提交readme

README.md

-# deeplabv3_migraphxfgd dgds 
+# DeepLabv3
+
+## 论文
+
+DeepLabv3:Rethinking Atrous Convolution for Semantic Image Segmentation
+
+- https://arxiv.org/abs/1706.05587
+
+## 模型结构
+
+DeepLabV3 是 DeepLab 系列语义分割算法的第三代版本，主要用于语义分割任务。
+
+<img src="./Doc/Images/deeplabv3_01.jpg" style="zoom:80%;" align=middle>
+
+## 算法原理
+DeepLabv3 的核心原理如下：
+
+1. **空洞卷积（Atrous convolution）**：传统卷积通过滑动窗口提取特征，但感受野有限。Deeplabv3 采用空洞卷积在不增加计算量和参数的前提下，显著扩大卷积的感受野，能捕捉更广泛的上下文信息，同时保持特征图的空间分辨率。
+2. **空洞空间金字塔池化（Atrous Spatial Pyramid Pooling）**：通过不同空洞率的卷积，同时处理小物体（小感受野）和大物体（大感受野）的特征，再将所有分支的输出拼接融合，使模型对物体尺度变化更鲁棒。
+3.  **编码器-解码器（Encoder-Decoder）**：编码器‌负责特征提取，采用空洞空间金字塔池化 （ASPP）模块，通过不同膨胀率的空洞卷积获取多尺度上下文信息；解码器‌通过插值上采样和卷积操作恢复物体边界细节，与编码器输出的特征图融合后生成高分辨率分割结果。
+
+## 环境配置
+
+### Docker（方法一）
+
+拉取镜像：
+
+```
+docker pull image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.3.0-ubuntu20.04-dtk24.04.1-py3.10
+```
+
+创建并启动容器：
+
+```
+docker run --shm-size 16g --network=host --name=deeplabv3_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/deeplabv3_migraphx:/home/deeplabv3_migraphx -v /opt/hyhal:/opt/hyhal:ro -it <Your Image ID> /bin/bash
+
+# 激活dtk
+source /opt/dtk/env.sh
+```
+
+### Dockerfile（方法二）
+
+```
+cd ./docker
+docker build --no-cache -t deeplabv3_migraphx:2.0 .
+
+docker run --shm-size 16g --network=host --name=deeplabv3_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/deeplabv3_migraphx:/home/deeplabv3_migraphx -v /opt/hyhal:/opt/hyhal:ro -it <Your Image ID> /bin/bash
+
+# 激活dtk
+source /opt/dtk/env.sh
+```
+
+## 数据集
+
+根据提供的样本数据，进行图像分割。
+
+## 推理
+
+### Python版本推理
+
+下面介绍如何运行python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。
+
+#### 设置环境变量
+
+```
+export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
+```
+
+#### 运行示例
+
+```Python
+# 进入deeplabv3 migraphx工程根目录
+cd <path_to_deeplabv3_migraphx> 
+
+# 进入示例程序目录
+cd Python/
+
+# 安装依赖
+pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
+
+# 运行示例
+python DeepLabV3.py
+```
+
+### C++版本推理
+
+注意：当使用操作系统不一样时，CMakeList需要做相应的修改：
+
+```
+# ubuntu操作系统
+${CMAKE_CURRENT_SOURCE_DIR}/depend/lib64/ 修改为 ${CMAKE_CURRENT_SOURCE_DIR}/depend/lib/
+
+# centos操作系统
+${CMAKE_CURRENT_SOURCE_DIR}/depend/lib/ 修改为 ${CMAKE_CURRENT_SOURCE_DIR}/depend/lib64/
+```
+
+下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
+
+#### 安装Opencv依赖
+
+```python
+cd <path_to_deeplabv3_migraphx>
+sh ./3rdParty/InstallOpenCVDependences.sh
+```
+
+
+#### 安装OpenCV并构建工程
+
+```
+rbuild build -d depend
+```
+
+#### 设置环境变量
+
+将依赖库依赖加入环境变量LD_LIBRARY_PATH，在~/.bashrc中添加如下语句：
+
+当操作系统是ubuntu系统时：
+
+```
+export LD_LIBRARY_PATH=<path_to_deeplabv3_migraphx>/depend/lib/:$LD_LIBRARY_PATH
+```
+
+当操作系统是centos系统时：
+
+```
+export LD_LIBRARY_PATH=<path_to_deeplabv3_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
+```
+
+然后执行:
+
+```
+source ~/.bashrc
+```
+
+#### 运行示例
+
+```python
+# 进入deeplabv3 migraphx工程根目录
+cd <path_to_deeplabv3_migraphx> 
+
+# 进入build目录
+cd build/
+
+# 执行示例程序
+./DeepLabV3
+```
+
+## result
+
+### Python版本
+
+python程序运行结束后，会在当前目录中生成分割图像。
+
+<img src="./Doc/Images/deeplabv3_02.png" style="zoom:100%;" align=middle>
+
+### C++版本
+
+C++程序运行结束后，会在build目录生成分割图像。
+
+<img src="./Doc/Images/deeplabv3_03.png" style="zoom:100%;" align=middle>
+
+### 精度
+
+无
+
+## 应用场景
+
+### 算法类别
+
+`图像分割`
+
+### 热点应用行业
+
+`制造`,`交通`,`医疗`
+
+## 源码仓库及问题反馈
+
+https://developer.sourcefind.cn/codes/modelzoo/unet_migraphx
+
+## 参考资料
+
+https://arxiv.org/abs/1706.05587