Update README.md

README.md

@@ -14,7 +14,7 @@ EfficientSAM模型利用掩码图像预训练（SAMI），该预训练学习从S
 线性投影头：将编码器和解码器输出特征输入到线性投影头，以对齐SAM图像编码器特征并解决特征维数不匹配问题。
 重建损失：在每次训练迭代中，SAMI由从SAM图像编码器中提取的前馈特征，以及MAE的前馈和反向传播过程组成。比较了SAM图像编码器和MAE线性投影头的输出，计算了重建损失。
 
-<div align=center>
+<div align=left>
     <img src="./doc/EfficientSAM framework.png"/>
 </div>
 
@@ -105,15 +105,15 @@ python inference_segment_everything.py
 ## result
 EfficientSAM-S和EfficientSAM-Ti 基于point测试结果如下：
 <div align=center>
-    <img src="/example_results/efficientsam_point.png"/>
+    <img src="./example_results/efficientsam_point.png"/>
 </div>
 EfficientSAM-S和EfficientSAM-Ti 基于box测试结果如下：
 <div align=center>
-    <img src="/example_results/efficientsam_box.png"/>
+    <img src="./example_results/efficientsam_box.png"/>
 </div>
 EfficientSAM-S和EfficientSAM-Ti segment_everything测试结果如下：
 <div align=center>
-    <img src="/example_results/segmenteverything.png"/>
+    <img src="./example_results/segmenteverything.png"/>
 </div>
 
 ### 精度