Update README.md

Author: bubbliiiing

README.md

@@ -1,32 +1,70 @@
-## Faster-Rcnn：Two-Stage目标检测模型在Keras当中的实现
+## Faster-Rcnn：Two-Stage目标检测模型在Tensorflow2当中的实现
 ---
 
 ### 目录
-1. [所需环境 Environment](#所需环境)
-2. [文件下载 Download](#文件下载)
-3. [训练步骤 How2train](#训练步骤)
-4. [参考资料 Reference](#Reference)
+1. [性能情况 Performance](#性能情况)
+2. [所需环境 Environment](#所需环境)
+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)
+
+### 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 |
+| :-----: | :-----: | :------: | :------: | :------: | :-----: |
+| VOC07+12 | [voc_weights.h5](https://github.com/bubbliiiing/faster-rcnn-tf2/releases/download/v1.0/voc_weights.h5) | VOC-Test07 | - | - | 78.0
 
 ### 所需环境
 tensorflow-gpu==1.13.1  
 keras==2.1.5  
 
 ### 文件下载
 训练所需的voc_weights.h5可以去百度网盘下载  
-链接: https://pan.baidu.com/s/1xDRhw0U4dWfy_2rceH-YnA 提取码: cm3q  
+链接: https://pan.baidu.com/s/1DzE6UwF4umzx5KUA3ABSxw 提取码: 92e8   
+
+### 预测步骤
+#### 1、使用预训练权重
+a、下载完库后解压，在百度网盘下载voc_weights.h5，放入model_data，运行predict.py，输入  
+```python
+img/street.jpg
+```
+可完成预测。  
+b、利用video.py可进行摄像头检测。  
+#### 2、使用自己训练的权重
+a、按照训练步骤训练。  
+b、在frcnn.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**。  
+```python
+_defaults = {
+    "model_path": 'model_data/voc_weights.h5',
+    "classes_path": 'model_data/voc_classes.txt',
+    "confidence": 0.5,
+}
+```
+c、运行predict.py，输入  
+```python
+img/street.jpg
+```
+可完成预测。  
+d、利用video.py可进行摄像头检测。  
 
 ### 训练步骤
 1、本文使用VOC格式进行训练。  
 2、训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。  
 3、训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。  
-4、在训练前利用voc2faster-rcnn.py文件生成对应的txt。  
-5、再运行根目录下的voc_annotation.py，运行前需要将classes改成你自己的classes。  
+4、在训练前利用voc2frcnn.py文件生成对应的txt。  
+5、再运行根目录下的voc_annotation.py，运行前需要将classes改成你自己的classes。**注意不要使用中文标签，文件夹中不要有空格！**   
 ```python
 classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
 ```
-6、就会生成对应的2007_train.txt，每一行对应其图片位置及其真实框的位置。  
-7、在训练前需要修改model_data里面的voc_classes.txt文件，需要将classes改成你自己的classes。  
-8、运行train.py即可开始训练。
+6、此时会生成对应的2007_train.txt，每一行对应其**图片位置**及其**真实框的位置**。  
+7、**在训练前需要务必在model_data下新建一个txt文档，文档中输入需要分的类**，示例如下：   
+model_data/new_classes.txt文件内容为：   
+```python
+cat
+dog
+...
+```
+8、将train.py的NUM_CLASSSES修改成所需要分的类的个数+1，运行train.py即可开始训练。
 
 ### 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。