Update README.md

README.md

-# yolov4-pytorch
-这是一个YoloV4-pytorch的源码，可以用于训练自己的模型。
+## YOLOV4：You Only Look Once目标检测模型在pytorch当中的实现
+---
+
+### 目录
+1. [所需环境 Environment](#所需环境)
+2. [注意事项 Attention](#注意事项)
+3. [小技巧的设置 TricksSet](#小技巧的设置)
+4. [文件下载 Download](#文件下载))
+5. [训练步骤 How2train](#训练步骤)
+6. [参考资料 Reference](#Reference)
+
+### YOLOV4的改进
+- [x] 主干特征提取网络：DarkNet53 => CSPDarkNet53
+- [x] 特征金字塔：SPP，PAN
+- [x] 训练用到的小技巧：Mosaic数据增强、Label Smoothing平滑、CIOU、学习率余弦退火衰减
+- [x] 激活函数：使用Mish激活函数
+- [ ] ……balabla
+
+### 所需环境
+tensorflow-gpu==1.13.1  
+keras==2.1.5  
+
+### 注意事项
+代码中的yolo4_weights.h5是基于608x608的图片训练的，但是由于显存原因。我将代码中的图片大小修改成了416x416。有需要的可以修改回来。 代码中的默认anchors是基于608x608的图片的。   
+
+### 小技巧的设置
+在train.py文件下：   
+1、mosaic参数可用于控制是否实现Mosaic数据增强。   
+2、Cosine_scheduler可用于控制是否使用学习率余弦退火衰减。   
+3、label_smoothing可用于控制是否Label Smoothing平滑。
+
+### 文件下载
+训练所需的yolo4_weights.h5可在百度网盘中下载。  
+链接: https://pan.baidu.com/s/1FF79PmRc8BzZk8M_ARdMmw 提取码: dc2j  
+yolo4_weights.h5是coco数据集的权重。  
+yolo4_voc_weights.h5是voc数据集的权重。
+
+### 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voc2yolo3.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。  
+```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。
+
+### 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  
+具体mAP计算过程可参考：https://www.bilibili.com/video/BV1zE411u7Vw
+
+### Reference
+https://github.com/qqwweee/keras-yolo3/
+https://github.com/Cartucho/mAP
+https://github.com/Ma-Dan/keras-yolo4