update

README.md

@@ -82,7 +82,7 @@ Year = {2016}}
 ### 6、DeepFashion2数据集
 * 数据集的描述和申请地址：https://github.com/switchablenorms/DeepFashion2
 
-### 数据格式  
+### 所有数据集的数据格式  
 size是全图分辨率， (x，y) 是目标物体中心对于全图的归一化坐标，w,h是目标物体边界框对于全图的归一化宽、高。   
 
 ```  
@@ -99,7 +99,17 @@ h = h*dh
 ```  
 
 为了更好了解标注数据格式，可以通过运行 show_yolo_anno.py 脚本进行制作数据集的格式。注意配置脚本里的path和path_voc_names，path为标注数据集的相关文件路径，path_voc_names为数据集配置文件。
-
+### 制作自己的训练数据集
+* 如下所示,每一行代表一个物体实例，第一列是标签，后面是归一化的中心坐标（x,y）,和归一化的宽和高，且每一列信息空格间隔。归一化公式如上，同时可以通过show_yolo_anno.py进行参数适配后，可视化验证其正确性。
+```
+label     x                  y                   w                  h
+0 0.6200393316313977 0.5939000244140625 0.17241466452130497 0.14608001708984375
+0 0.38552491996544863 0.5855700073242187 0.14937006832733554 0.1258599853515625
+0 0.32889763138738515 0.701989990234375 0.031338589085055775 0.0671400146484375
+0 0.760577424617577 0.69422998046875 0.028556443261975064 0.0548599853515625
+0 0.5107086662232406 0.6921500244140625 0.018792660530470802 0.04682000732421875
+0 0.9295538153861138 0.67602001953125 0.03884511231750328 0.01844000244140625
+```
 
 ## 预训练模型   
 ### 1、COCO 预训练模型