在/usr/local/models工程下新建文件夹dataset和data：
其中xml_to_csv.py和generate_tfrecord.py可在master中寻找
注意修改
def class_text_to_int(row_label): if row_label == 'car': return 1 elif row_label == 'person': return 2 elif row_label == 'truck': return 3 elif row_label == 'bus': return 4 elif row_label == 'other vehicle': return 5 else: print('NONE: ' + row_label) # None
以及相关路径
运行完成，在data目录下产生
eval.csv, eval.record, train.csv, train.record
在data下放置labelmap.pbtxt,注意和上述文件内容保持一致
从https://github.com/tensorflow/models/tree/master/research/slim 下载模型，将 model.ckpt.data-00000-of-00001 model.ckpt.index model.ckpt.meta 放置在dataset文件夹下的fine_tune_model文件夹内
将下载的pipeline.config放置在dataset/data/文件夹内
修改pipeline.config中的尺寸，fine_tune_checkpoint，num_steps，label_map_path，input_path，num_examples
修改models-master/research/object_detection/model_main.py
注意在dataset下新建training文件夹，保存训练模型。
注意export PYTHONPATH，否则会报错。