注釋檔案如下：
Class Names:
class-descriptions-boxable.csv 資料集内部使用的類名到人類可了解名稱的對應
Boxes:
train-annotations-bbox.csv 訓練圖像中對象執行個體的邊框注釋
validation-annotations-bbox.csv 驗證圖像中對象執行個體的邊框注釋
test-annotations-bbox.csv 測試圖像中對象執行個體的邊框注釋
下載下傳位址：
wget https://storage.googleapis.com/openimages/2018_04/class-descriptions-boxable.csv
wget https://storage.googleapis.com/openimages/2018_04/train/train-annotations-bbox.csv
wget https://storage.googleapis.com/openimages/2018_04/validation/validation-annotations-bbox.csv
wget https://storage.googleapis.com/openimages/2018_04/test/test-annotations-bbox.csv
采用的是裡面的工具箱的方法（https://github.com/EscVM/OIDv4_ToolKit），實操起來順利！
python main.py -h
修改了classes.txt中的類别，在文本中輸入了自己需要的種類，最後通過指令
python main.py downloader --classes ./OpenImageV4/OIDv4_ToolKit/classes.txt --type_csv validation
python main.py downloader --classes ./OpenImageV4/OIDv4_ToolKit/classes.txt --type_csv train
python main.py downloader --classes ./OpenImageV4/OIDv4_ToolKit/classes.txt --type_csv test
#也可以用--type_csv all 直接下載下傳所有的圖檔集合 就可以分别下載下傳物體檢測任務下的驗證集、訓練集和測試集合了。
實際訓練中其實沒必要用到這麼多圖檔，這時在指令中加上--limit 30（30可以換成自己需要的圖檔數量）