windows yolov4-tiny训练自制voc数据集

最近工作涉及到车位检测，检测算法采用yolov4-tiny，官方提供的检测类默认有80种，由于项目只需要检测车辆，所以需要自制数据集，这里我使用的是voc数据集。网上也度了很多方法，这里记录下自己的使用流程。

自制voc数据集我使用了两种方法：1、voc2012官方数据集；2、使用labelImage自制数据集

一、VOC2012数据集

voc2012数据集里面官方都已经分类好了数据集，我们可以直接拿来用，不需要再手动标注。虽然说都有分类好的数据集，但是Annotations内的文件并没有分类，一张图上什么样的物体都有，如果我们只需要训练个别物体，直接用这里的数据集肯定不行，还需要对xml文件里的感兴趣物体进行提取。
1、提取训练集
VOC2012数据集提取自己需要的类的图片和对应的xml标签

import os
import os.path
import shutil 
#修改路径
fileDir_ann = r'D:/工作/深度学习/yolo/darknet-master/scripts/VOCdevkit/VOC2012/Annotations_all/'
fileDir_img = r'D:/工作/深度学习/yolo/darknet-master/scripts/VOCdevkit/VOC2012/JPEGImages_all/' 
#存放包含需要的类的图片
#修改路径
saveDir_img = r'D:/工作/深度学习/yolo/darknet-master/scripts/VOCdevkit/VOC2012/JPEGImages/'      
if not os.path.exists(saveDir_img):
    os.mkdir(saveDir_img) 
names = locals() 
for files in os.walk(fileDir_ann):
    #遍历Annotations中的所有文件
    for file in files[2]:
        print (file + "-->start!")
        #存放包含需要的类的图片对应的xml文件
        #修改路径
        saveDir_ann = r'D:/工作/深度学习/yolo/darknet-master/scripts/VOCdevkit/VOC2012/Annotations/' 
        if not os.path.exists(saveDir_ann):
            os.mkdir(saveDir_ann)
        fp = open(fileDir_ann + file)       
        saveDir_ann = saveDir_ann + file
        fp_w = open(saveDir_ann, 'w')
        classes =