一、准备数据

图像在my_1imgs中，一个是原图jpg，一个是用labelimg画的标签xml文件。（这个画的是一个矩形框）
把自己的数据集（原图和标签准备好后），这两个文件复制到VOCdevkit中,ImageSets为空。

二、修改模型训练预测过程

①去model_data找到文件my_classes.txt,里面写自己的识别类型。
②打开voc_annotation.py文件。只需要修改classes_path="model_data/my_classes.txt"（即定位到刚刚修改的文件，修改为自己的类型）
③运行voc_annotation.py文件生成：之前ImageSets为空，现在里面有test.txt、train.txt等；还有2007_train.txt和2007_val.txt。
一定要看这些文件里面有没有东西，就是自己图像和标签的具体路径和名字，如果为空或者有错，则不能训练。
④打开train.py文件，修改内容准备训练。具体修改可看注释。主要需要修改的为：
a、classes_path(和上面的一样)
b、model_path(预训练权值，.pth文件，这个根据不同模型选择不同的权重，都是需要下载好的，不需要自己编写)
c、Cuda=True或者False（要不要用cuda，显存小不要用；没有NVIDIA就是不能用GPU跑，也不要用）
d、Freeze_Epoch修改，一般为50，100，200等
⑤运行train.py文件。正常会开始运行，对应的权值文件结果会保存在logs文件夹下。
⑥训练结束，找到最好的权值logs/best_epoch_weights.pth文件，这个就是训练过的最终权值文件，预测需要它。
⑦先打开yolo.py文件修改参数再预测。（对应文件修改）有两class YOLO_ONNX和class YOLO下的 "model_path" 和"classes_path"都要修改。
"model_path" : 'logs/best_epoch_weights.pth',
"classes_path" : 'model_data/my_classes.txt',
⑧运行yolo.py，再运行predict.py进行预测，按照上面的做就不会出错，可以正常预测了。
⑨运行get_map.py进行客观指标分析。map（F1 ; Recall ; Precision）结果图都会保存在map_out中。