update readme.md

README.md

@@ -16,7 +16,18 @@ MaskRCNN是一种基于Faster R-CNN的物体检测和实例分割模型，它通
 5. 损失函数
    最后，Mask R-CNN使用一个多任务损失函数来训练模型。该损失函数包括物体检测损失（用于预测物体的类别和边界框）、物体分割损失（用于生成物体的精确分割掩码）和RPN损失（用于生成候选物体区域）。这些损失函数同时优化，以提高模型的物体检测和分割性能。
 
+## 目标精度
+
+34.0% mAP
+
+## MLPerf代码参考版本
+
+版本：v0.7 
+
+原始代码位置：https://github.com/mlcommons/training_results_v0.7/tree/master/NVIDIA/benchmarks/maskrcnn/implementations/pytorch
+
 ## 数据集
+
 模型训练的数据集来自训练数据：Open Images，该数据一个大规模的图像数据集，由Google在2016年发布。该数据集包含了超过900万张标注图像，其中每张图像都包含了多个物体的边界框和类别标签，可用于各种计算机视觉任务，例如物体检测、物体识别、场景理解等。
 
 下载+预处理数据可按照下述进行：