注释文件如下：
Class Names:
class-descriptions-boxable.csv 数据集内部使用的类名到人类可理解名称的对应
Boxes:
train-annotations-bbox.csv 训练图像中对象实例的边框注释
validation-annotations-bbox.csv 验证图像中对象实例的边框注释
test-annotations-bbox.csv 测试图像中对象实例的边框注释
下载地址：
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
采用的是里面的工具箱的方法（https://github.com/EscVM/OIDv4_ToolKit），实操起来顺利！
python main.py -h
修改了classes.txt中的类别，在文本中输入了自己需要的种类，最后通过指令
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 直接下载所有的图片集合 就可以分别下载物体检测任务下的验证集、训练集和测试集合了。
实际训练中其实没必要用到这么多图片，这时在指令中加上--limit 30（30可以换成自己需要的图片数量）