Update url.md

README.md

@@ -68,10 +68,7 @@ pip install -e .
 ## 数据集
 
 在本测试中训练部分数据集使用COCO2017数据集。
-- 数据集快速下载中心:
-  - [SCNet AIDatasets](http://113.200.138.88:18080/aidatasets)
-- 数据集快速通道下载地址：
-  - [数据集快速下载地址](http://113.200.138.88:18080/aidatasets/coco2017)
+
 - 官方下载地址
   - [训练数据](http://images.cocodataset.org/zips/train2017.zip)
   - [验证数据](http://images.cocodataset.org/zips/val2017.zip)
@@ -100,7 +97,6 @@ pip install -e .
 
 推理数据集名称：SA-1B Dataset
 完整数据集可在[这里](https://ai.facebook.com/datasets/segment-anything-downloads/)进行下载
-[快速下载链接](http://113.200.138.88:18080/aidatasets/project-dependency/sa-1b/)
 
 项目中用于试验训练的迷你数据集结构如下
 ```
@@ -117,7 +113,7 @@ pip install -e .
 
 ### 单机多卡
 预训练模型在[这里](https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth)下载
-[快速下载链接](http://113.200.138.88:18080/aimodels/findsource-dependency/sam_vit_h_4b8939/-/raw/master/sam_vit_h_4b8939.pth)
+
 ```
 git clone https://github.com/luca-medeiros/lightning-sam.git
 cd lightning-sam
@@ -134,7 +130,6 @@ pip install . 过程中会顶掉DCU版本的pytorch、torchvision、triton，需
 python scripts/amg.py --checkpoint <path/to/checkpoint> --model-type <model_type> --input <image_or_folder> --output <path/to/output>
 ```
 注：checkpoint预训练模型在[这里](https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth)下载
-[快速下载链接](http://113.200.138.88:18080/aimodels/findsource-dependency/sam_vit_h_4b8939/-/raw/master/sam_vit_h_4b8939.pth)
 
 指令中：<path/to/checkpoint> 代表选择权重的路径