修改readme

README.md

@@ -16,9 +16,11 @@ CRNN模型的主要结构包括基于CNN的图像特征提取模块以及基于
 
 CRNN是文本识别领域的一种经典算法，该算法的主要思想是认为文本识别需要对序列进行预测，所以采用了预测序列常用的RNN网络。该算法首先通过CNN提取图片特征，然后采用RNN对序列进行预测，最终使用CTC方法得到最终结果。
 
+<img src="./Doc/Images/CRNN_02.png" style="zoom:100%;" align=middle>
+
 ## 环境配置
 
-### Docker
+### Docker（方法一）
 
 拉取镜像：
 
@@ -35,6 +37,15 @@ docker run --shm-size 16g --network=host --name=crnn_migraphx --privileged --dev
 source /opt/dtk/env.sh
 ```
 
+### Dockerfile（方法二）
+
+```
+cd ./docker
+docker build --no-cache -t crnn_migraphx:2.0 .
+
+docker run --shm-size 16g --network=host --name=crnn_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/crnn_migraphx:/home/crnn_migraphx -it <Your Image ID> /bin/bash
+```
+
 ## 数据集
 
 根据提供的样本数据，进行文本识别。
@@ -159,6 +170,10 @@ waiting
 recognition
 ```
 
+### 精度
+
+无
+
 ## 应用场景
 
 ### 算法类别
@@ -167,12 +182,12 @@ recognition
 
 ### 热点应用行业
 
-`工业制造`,`金融`,`交通`,`教育`,`医疗`
+`金融`,`交通`,`教育`,`医疗`
 
 ## 源码仓库及问题反馈
 
 https://developer.hpccube.com/codes/modelzoo/crnn_migraphx
 
-## 参考
+## 参考资料
 
 https://github.com/meijieru/crnn.pytorch

docker/Dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.0.0-centos7.6-dtk23.04.1-py38-latest
+RUN source /opt/dtk/env.sh

model.properties

@@ -5,6 +5,6 @@ modelName=crnn_migraphx
 #模型描述
 modelDescription=CRNN模型是图像文本识别领域的经典算法，主要用于端到端地对不定长的文本序列进行识别。
 #应用场景
-appScenario=推理,0CR,文本识别
+appScenario=推理,文本识别,金融,交通,教育,医疗
 #框架类型
 frameType=migraphx
\ No newline at end of file