目标检测之车辆行人（tensorflow版yolov3-tiny）
背景： 在自动驾驶中，基于摄像头的视觉感知，如同人的眼睛一样重要。而目前主流方案基本都采用深度学习方案（tensorflow等），而非传统图像处理（opencv等）。 接下来我们就以YOLOV3为基本网络模型，Tensorflow为基本框架，搭建一套能够自动识别路面上动态目标，如车辆，行人，骑行人等。 正文： 原生YOLOV3是基于darknet（纯C编写）开发的，这里我们会将YOLOV3架构在Tensorflow平台上（Python,C++跨平台多语言）。 关键点介绍： 一、基本的网络结构图： 模型流程图如下： 基础主干网Darknet53： 二、代码结构： tf_yolov3 |-------extract_voc.py #从原始文件中生成训练所需数据格式 import os import argparse import xml.etree.ElementTree as ET # sets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')] sets=[( ' 2012 ' , ' train ' ), ( ' 2012 ' , ' val ' )] classes = [ " aeroplane " , " bicycle " , " bird " , " boat " , " bottle " , "