修改readme

README.md

-# Convolutional Networks for Biomedical Image Segmentation(U-Net)
+# Convolutional Networks for Biomedical Image Segmentation(Unet)
 
 ## 模型介绍
 语义分割(Semantic Segmentation)是图像处理和机器视觉一个重要分支。与分类任务不同，语义分割需要判断图像每个像素点的类别，进行精确分割。语义分割目前在自动驾驶、自动抠图、医疗影像等领域有着比较广泛的应用。其中，Unet模型是最常用、最简单的一种分割模型，它简单、高效、易懂、容易构建、可以从小数据集中训练，具有较好的分割效果。
@@ -12,7 +12,7 @@ U-net模型整体为U型结构，主要分为三部分：下采样、上采样
 
 ### 拉取镜像
 
-在光源可拉取推理的docker镜像，U-net模型推理的镜像如下： 
+在光源可拉取推理的docker镜像，Unet模型推理的镜像如下： 
 
 ```python
 docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
@@ -25,8 +25,8 @@ docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0
 2.安装依赖：
 
 ```Python
-# 进入migraphx samples工程根目录
-cd <path_to_migraphx_samples> 
+# 进入unet migraphx工程根目录
+cd <path_to_unet_migraphx> 
 
 # 进入示例程序目录
 cd ./Python/
@@ -54,7 +54,7 @@ python Unet.py
 ### 安装Opencv依赖
 
 ```python
-cd <path_to_migraphx_samples>
+cd <path_to_unet_migraphx>
 sh ./3rdParty/InstallOpenCVDependences.sh
 ```
 
@@ -79,13 +79,13 @@ rbuild build -d depend
 **Centos**:
 
 ```
-export LD_LIBRARY_PATH=<path_to_migraphx_samples>/depend/lib64/:$LD_LIBRARY_PATH
+export LD_LIBRARY_PATH=<path_to_unet_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
 ```
 
 **Ubuntu**:
 
 ```
-export LD_LIBRARY_PATH=<path_to_migraphx_samples>/depend/lib/:$LD_LIBRARY_PATH
+export LD_LIBRARY_PATH=<path_to_unet_migraphx>/depend/lib/:$LD_LIBRARY_PATH
 ```
 
 然后执行:
@@ -99,8 +99,8 @@ source ~/.bashrc
 运行Unet示例程序，具体执行如下命令：
 
 ```python
-# 进入migraphx samples工程根目录
-cd <path_to_migraphx_samples> 
+# 进入unet migraphx工程根目录
+cd <path_to_unet_migraphx> 
 
 # 进入build目录
 cd ./build/