Update README.md

README.md

@@ -8,7 +8,8 @@
 4. [注意事项 Attention](#注意事项)
 5. [预测步骤 How2predict](#预测步骤)
 6. [训练步骤 How2train](#训练步骤)
-7. [参考资料 Reference](#Reference)
+7. [评估步骤 How2eval](#评估步骤)
+8. [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 |
@@ -30,6 +31,13 @@ torch==1.2.0
 包括Efficientdet-d0到d7所有权重。    
 链接: https://pan.baidu.com/s/1Kvv526YYSDJEf9BzWfIb3Q 提取码: f9g3  
 
+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   
+
 ### 注意事项
 **1、训练前一定要注意权重文件与Efficientdet版本的对齐！**  
 **2、注意修改训练用到的voc_classes.txt文件！**  
@@ -84,6 +92,17 @@ dog
 ```
 8、修改train.py的classes_path，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voc2efficientdet.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