Merge pull request #1 from bubbliiiing/master

更新数据

Author: hclofour

README.md

@@ -51,16 +51,13 @@ d、利用video.py可进行摄像头检测。
 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voc2yolo4.py文件生成对应的txt。  
+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。**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、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，在train.py中将classes_path指向该文件**，示例如下：   
-```python
-classes_path = 'model_data/new_classes.txt'    
-```
+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

nets/yolo_training.py

@@ -285,7 +285,7 @@ def get_random_data(self, annotation_line, input_shape, jitter=.1, hue=.1, sat=1
 
         # resize image
         new_ar = w/h * rand(1-jitter,1+jitter)/rand(1-jitter,1+jitter)
-        scale = rand(.25, 2)
+        scale = rand(.5, 1.5)
         if new_ar < 1:
             nh = int(scale*h)
             nw = int(nh*new_ar)

utils/dataloader.py

@@ -36,7 +36,7 @@ def get_random_data(self, annotation_line, input_shape, jitter=.3, hue=.1, sat=1
 
         # 调整图片大小
         new_ar = w / h * self.rand(1 - jitter, 1 + jitter) / self.rand(1 - jitter, 1 + jitter)
-        scale = self.rand(.25, 2)
+        scale = self.rand(.5, 1.5)
         if new_ar < 1:
             nh = int(scale * h)
             nw = int(nh * new_ar)