Update README.md

README.md

@@ -10,7 +10,8 @@
 3. [文件下载 Download](#文件下载)
 4. [预测步骤 How2predict](#预测步骤)
 5. [训练步骤 How2train](#训练步骤)
-6. [参考资料 Reference](#Reference)
+6. [评估步骤 How2eval](#评估步骤)
+7. [参考资料 Reference](#Reference)
 
 ## 性能情况
 | 训练数据集 | 权值文件名称 | 测试数据集 | 输入图片大小 | mAP 0.5:0.95 | mAP 0.5 |
@@ -25,6 +26,13 @@ torch == 1.2.0
 链接: https://pan.baidu.com/s/1ltXCkuSxKRJUsLi0IoBg2A  
 提取码: uqnw  
 
+VOC数据集下载地址如下：  
+VOC2007+2012训练集    
+链接: https://pan.baidu.com/s/16pemiBGd-P9q2j7dZKGDFA 提取码: eiw9    
+
+VOC2007测试集   
+链接: https://pan.baidu.com/s/1BnMiFwlNwIWG9gsd4jHLig 提取码: dsda   
+
 ## 预测步骤
 ### a、使用预训练权重
 1. 下载完库后解压，在百度网盘下载ssd_weights.pth，放入model_data，运行predict.py，输入  
@@ -69,6 +77,17 @@ dog
 ```
 8. 将utils.config的num_classes修改成所需要分的类的个数+1，运行train.py即可开始训练。
 
+## 评估步骤
+评估过程可参考视频https://www.bilibili.com/video/BV1zE411u7Vw  
+步骤是一样的，不需要自己再建立get_dr_txt.py、get_gt_txt.py等文件。  
+1. 本文使用VOC格式进行评估。  
+2. 评估前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。  
+3. 评估前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。  
+4. 在评估前利用voc2yolo4.py文件生成对应的txt，评估用的txt为VOCdevkit/VOC2007/ImageSets/Main/test.txt，需要注意的是，如果整个VOC2007里面的数据集都是用于评估，那么直接将trainval_percent设置成0即可。  
+5. 在yolo.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；**model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类**。  
+6. 运行get_dr_txt.py和get_gt_txt.py，在./input/detection-results和./input/ground-truth文件夹下生成对应的txt。  
+7. 运行get_map.py即可开始计算模型的mAP。
+
 ## mAP目标检测精度计算更新
 更新了get_gt_txt.py、get_dr_txt.py和get_map.py文件。  
 get_map文件克隆自https://github.com/Cartucho/mAP