修改readme

README.md

@@ -12,16 +12,18 @@ UNet是一种用于图像分割的卷积神经网络（CNN）架构，该模型
 
 <img src="./Doc/Images/Unet_01.png" style="zoom:80%;" align=middle>
 
-## 模型结构
+## 算法原理
 U-Net 的核心原理如下：
 
 1. **编码器（Contracting Path）**：U-Net 的编码器由卷积层和池化层组成，用于捕捉图像的特征信息并逐渐减小分辨率。这一部分的任务是将输入图像缩小到一个低分辨率的特征图，同时保留有关图像内容的关键特征。
 2. **中间层（Bottleneck）**：在编码器和解码器之间，U-Net 包括一个中间层，通常由卷积层组成，用于进一步提取特征信息。
 3. **解码器（Expansive Path）**：U-Net 的解码器包括上采样层和卷积层，用于将特征图恢复到原始输入图像的分辨率。解码器的任务是将高级特征与低级特征相结合，以便生成分割结果。这一部分的结构与编码器相对称。
 
+<img src="./Doc/Images/Unet_04.png" style="zoom:80%;" align=middle>
+
 ## 环境配置
 
-### Docker
+### Docker（方法一）
 
 拉取镜像：
 
@@ -38,6 +40,15 @@ docker run --shm-size 16g --network=host --name=unet_migraphx --privileged --dev
 source /opt/dtk/env.sh
 ```
 
+### Dockerfile（方法二）
+
+```
+cd ./docker
+docker build --no-cache -t unet_migraphx:2.0 .
+
+docker run --shm-size 16g --network=host --name=unet_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/unet_migraphx:/home/unet_migraphx -it <Your Image ID> /bin/bash
+```
+
 ## 数据集
 
 根据提供的样本数据，进行图像分割。
@@ -129,6 +140,10 @@ C++程序运行结束后，会在build目录生成分割图像。
 
 <img src="./Doc/Images/Unet_02.jpg" style="zoom:100%;" align=middle>
 
+### 精度
+
+无
+
 ## 应用场景
 
 ### 算法类别
@@ -137,13 +152,13 @@ C++程序运行结束后，会在build目录生成分割图像。
 
 ### 热点应用行业
 
-`制造`、`交通`、`医疗`
+`制造`,`交通`,`医疗`
 
 ## 源码仓库及问题反馈
 
 https://developer.hpccube.com/codes/modelzoo/unet_migraphx
 
-## 参考
+## 参考资料
 
 https://github.com/ROCmSoftwarePlatform/AMDMIGraphX/tree/develop/examples/vision/python_unet
 

docker/Dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.0.0-centos7.6-dtk23.04.1-py38-latest
+RUN source /opt/dtk/env.sh

model.properties

@@ -5,6 +5,6 @@ modelName=unet_migraphx
 # 模型描述
 modelDescription=Unet是最常用的一种图像分割模型
 # 应用场景
-appScenario=推理,图像分割,CV
+appScenario=推理,图像分割,制造,交通,医疗
 # 框架类型
 frameType=migraphx
\ No newline at end of file