1、数据准备
首先下载pascal_voc数据集，voc2007和voc2012都行，本代码使用的是voc2012。
2、代码下载
从https://github.com/fizyr/keras-retinanet将代码下载到本地。
3、需要库安装
除了keras,tensorflow,anaconda这些常规的库，还需要安装pip install keras_resnet pip install progressbar2
4、首先执行的代码命令
应该先到setup.py文件所在的目录下，打开终端，然后输入python setup.py build_ext --inplace
5、训练过程
在setup.py文件所在的目录下打开终端，输入python keras_retinanet/bin/train.py pascal ‘datapath’
其中‘datapath’就是所下载的pascal_voc数据集的路径。
6、模型转化
训练好的模型不能直接用于预测，所以要在setup.py文件所在的目录下打开终端，输入python keras_retinanet/bin/convert_model.py ./snapshots/resnet50_pascal_44.h5 ./Inference/resnet50_crt44.h5
其中snapshots这个文件夹内存放的是训练好的模型，并且这个目录是原来就有的;而Inference这个目录则是为了方便存放预测模型而自己建的文件夹，当然转化后的模型名字resnet50_crt44.h5也是自己取的。
7、预测
将example文件夹下的ResNet50RetinaNet.ipynb复制到上一个目录，也就是setup.py文件所在的目录;使用jupyter notebook打开ResNet50RetinaNet.ipynb，按照里面的步骤操作即可，只需改一些路径和标签对应关系。
注：遇到问题可以先去https://github.com/fizyr/keras-retinanet的Issue模块搜索，训练过程可以参考https://blog.csdn.net/wc781708249/article/details/79643484。