使用 TensorFlow 进行实时对象检测答案

【问题标题】：Real Time Object detection using TensorFlow使用 TensorFlow 进行实时对象检测
【发布时间】：2016-11-13 07:28:51
【问题描述】：

我刚刚开始尝试深度学习和计算机视觉技术。我遇到了这个很棒的tutorial。我已经使用 docker 设置了 TensorFlow 环境并训练了我自己的对象集，并且在我对其进行测试时提供了更高的准确性。

现在我想让它更实时。例如，我不想将对象的图像作为输入，而是想利用网络摄像头并在 TensorFlow 的帮助下使其识别对象。你们能指导我从正确的位置开始这项工作吗？

【问题讨论】：

标签： tensorflow deep-learning object-recognition tensorboard

【解决方案1】：

您可能想查看TensorFlow Serving，以便您可以将计算与传感器分离（并分配计算），或查看我们的C++ api。除此之外，tensorflow 的编写强调吞吐量而不是延迟，因此尽可能多地进行批量采样。您不需要在每一帧都运行 tensorflow，因此来自网络摄像头的输入绝对应该在可能的范围内。缩小网络并购买更好的硬件是流行的选择。

【讨论】：

我认为可能需要 TensorFlow Serving。但是为此我们需要首先导出我们的模型，对吗？如何导出使用 TensorFlow 重新训练的模型（借助问题中提到的教程）？
是的，您可以将其导出，然后 tensorflow 服务器将能够在您的输入张量上运行模型。
这就是问题所在。如何导出模型？我有一个 .pb 文件作为输出。我该怎么办？
如果关注the instructions，你应该得到一个检查点。