前面文章用Caltech数据制作成VOC形式，但在实际训练的时候仍然有挺多问题，所需文件如下。
主要是Annotations的问题，有如下几点需要注意：
-
1 Annotations中要包含所有图片的信息，即使对应图片中没有行人数据，但仍需要xml文件，即有多少张图片就有多少xml。
- 2 注意box的边界大小，Xmin,Xmax,Ymin,Ymax都需要注意，不要越界，否则会报错（可以在生成xml代码中就对这几个参数进行限幅），否则
assert (boxes[:, 2] >= boxes[:, 0]).all()会报错。
数据集整理完毕，接下来便是修改参数： - 1.lib/networks/中VGGnet_test.py和VGGnet_train.py中
n_classes = 2 - 2.lib/datasets/pascal_voc.py
self._classes = ('__background__', 'person')
和tools/demo.py中CLASSES = ('__background__','person') - 3.pascal_voc.py中
self._image_ext = '.png'的修改。
搞了快一个星期，终于完工。
