Update README

Author: SWHL

README.md

@@ -1,11 +1,5 @@
 ## YOLO2COCO
-
-- [YOLO2COCO](#yolo2coco)
-    - [YOLOV5格式数据 → COCO](#yolov5格式数据--coco)
-    - [darknet格式数据 → COCO](#darknet格式数据--coco)
-    - [可视化COCO格式下图像](#可视化coco格式下图像)
-    - [相关资料](#相关资料)
-
+---
 #### YOLOV5格式数据 → COCO
 - 可以将一些背景图像加入到训练中，具体做法是：直接将背景图像放入`backgroud_images`目录即可。
 - 转换程序会自动扫描该目录，添加到训练集中，可以无缝集成后续YOLOX的训练。
@@ -45,8 +39,7 @@
         └── 000000000001.jpg
     ```
 
-#### YOLOV5 yaml数据描述文件转 → COCO
-
+#### YOLOV5 YAML描述文件 → COCO
 - YOLOV5 yaml 数据文件需要包含：
     ```text
     YOLOV5_yaml/
@@ -91,14 +84,15 @@
   ```
 
 #### 可视化COCO格式下图像
-  ```shell
-  python coco_visual.py --vis_num 1 \
-                        --json_path dataset/YOLOV5_COCO_format/annotations/instances_train2017.json \
-                        --img_dir dataset/YOLOV5_COCO_format/train2017
-  ```
-  - `--vis_num`：指定要查看的图像索引
-  - `--json_path`：查看图像的json文件路径
-  - `--img_dir`: 查看图像所在的目录
+```shell
+python coco_visual.py --vis_num 1 \
+                    --json_path dataset/YOLOV5_COCO_format/annotations/instances_train2017.json \
+                    --img_dir dataset/YOLOV5_COCO_format/train2017
+```
+
+- `--vis_num`：指定要查看的图像索引
+- `--json_path`：查看图像的json文件路径
+- `--img_dir`: 查看图像所在的目录
 
 #### 相关资料
 - [MSCOCO数据标注详解](https://blog.csdn.net/wc781708249/article/details/79603522)