0726_yolo4_chebiaoshibie是总的工程文件

①：0726_yolo4_chebiaoshibie》yolov4-keras-master》VOCdevkit》VOC2007》Annotation文件夹里放入所有打好标签的标签文件

②：0726_yolo4_chebiaoshibie》test.py文件 运行

③：0726_yolo4_chebiaoshibie》voc_annotation.py文件里的class改成要训练的类别，然后再运行，文件夹名不要有中文标签，不要有空格

④：0726_yolo4_chebiaoshibie》yolov4-keras-master》madel_data文件夹下新建一个txt文件，文档中输入需要分的类，例如

cat

。然后，0726_yolo4_chebiaoshibie》train.py文件里写上这个文件的路径。

classes_path = 'model_data/my_classes.txt' 

⑤：0726_yolo4_chebiaoshibie》train.py 运行之。

==============================训练之后的评估

⑥：0726_yolo4_chebiaoshibie》yolov4-keras-master》VOCdevkit》VOC2007》Annotation文件夹里放入所有打好标签的标签文件（同①）

⑦：0726_yolo4_chebiaoshibie》yolov4-keras-master》VOCdevkit》VOC2007》JPEGImages文件夹里放入所有样本图片。

⑧：0726_yolo4_chebiaoshibie》yolov4-keras-master》VOCdevkit》VOC2007》voc2yolo4.py运行之，如果整个VOC2007里面的数据集都是用于评估，那么直接将voc2yolo4.py文件里的trainval_percent设置成0即可。

⑨：0726_yolo4_chebiaoshibie》yolo.py文件里看两个值

"model_path": 'model_data/build_21_0924_Cocoons.h5' 要用的模型文件，在上文model_data里

"classes_path": 'model_data/my_classes.txt',之前写的类，上文model_data里

⑩：0726_yolo4_chebiaoshibie》get_dr_txt.py和get_gt_txt.py两者都运行，然后运行0726_yolo4_chebiaoshibie》get_map.py

⑪：0726_yolo4_chebiaoshibie》gui.py 运行