Update

Signed-off-by: lijian <lijian6@sugon.com>

README.md

-# Video_MIGraphX
+# YoloV7
 
-## 目录
-- [目录结构](#目录结构)
-- [项目介绍](#项目介绍)
-- [环境配置](#环境配置)
-- [编译运行](#编译运行)
-- [参考文档](#参考文档)
-- [历史版本](#历史版本)
+## 论文
 
-## 目录结构
-```
-├── CMakeLists.txt
-├── Doc
-├── include
-├── lib
-│   ├── libdecode0.so
-│   ├── libdecode1.so
-│   └── libQueue.so
-├── README.md
-├── Resource
-│   ├── Configuration.xml
-│   ├── Images
-│   └── Models
-└── src
-    ├── Inference
-    ├── main.cpp
-    ├── RetinaFace.cpp
-    ├── SSD.cpp
-    ├── Utility
-    ├── YOLOV3.cpp
-    ├── YOLOV5.cpp
-    └── YOLOV7.cpp
-```
+YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
+
+- https://arxiv.org/pdf/2207.02696.pdf
+
+## 模型结构
+
+YOLOV7是2022年最新出现的一种YOLO系列目标检测模型，该模型的网络结构包括三个部分：input、backbone和head。
+
+<img src="./Doc/YoloV7_model.png" alt="YOLOV7_02" style="zoom:67%;" />
+
+## 算法原理
 
-## 项目介绍
+YOLOv7的作者提出了 Extended-ELAN (E-ELAN)结构。E-ELAN采用了ELAN类似的特征聚合和特征转移流程，仅在计算模块中采用了类似ShuffleNet的分组卷积、扩张模块和混洗模块，最终通过聚合模块融合特征。通过采
+用这种方法可以获得更加多样的特征，同时提高参数的计算和利用效率。
 
-基于CPU和解码卡解码的视频推理范例
+<img src="./Doc/YoloV7_suanfa.png" alt="YOLOV7_suanfa" style="zoom:67%;" />
 
 ## 环境配置
+### Docker（方法一）
 
-推荐使用docker方式运行，提供[光源](https://www.sourcefind.cn/#/service-list)拉取的docker镜像
+拉取镜像：
 
-```
+```plaintext
 docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:decode-ffmpeg-dtk23.04
 ```
 
-## 编译运行
+创建并启动容器：
+
+```plaintext
+docker run --shm-size 16g --network=host --name=video_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/video_migraphx:/home/video_migraphx -it <Your Image ID> /bin/bash
+```
+
+### Dockerfile（方法二）
+
+```
+cd ./docker
+docker build --no-cache -t video_migraphx:test .
+
+docker run --shm-size 16g --network=host --name=video_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/video_migraphx:/home/video_migraphx -it <Your Image ID> /bin/bash
+```
+
+## 数据集
+根据提供的视频文件，进行目标检测。
+
+## 推理
 
-### 编译
+### 编译工程
 ```
-git clone https://developer.hpccube.com/codes/modelzoo/video_migraphx
+git clone https://developer.hpccube.com/codes/modelzoo/video_migraphx.git
 cd video_migraphx
 mkdir build
 cd build
@@ -60,22 +61,37 @@ cmake ../ -DUSE_P2P=1
 make
 ```
 
-### 运行
+### 运行示例
 ```
 ./Video_MIGraphX
-```
 根据提示选择要运行的示例程序，运行解码卡示例需要提前安装并初始化解码卡。比如执行:
-```
+
+如在CPU端解码，运行yolov3-tiny示例：
 ./Video_MIGraphX --cpu --net=0
 ```
-运行CPU解码并运行YOLOV3推理示例程序
+注意：如果需要运行解码卡硬件帧示例，需要提前安装dma-buffer驱动
 
+## result
+无
 
-## 参考文档
+### 精度
+无
 
-文档参考Doc目录下说明文档.
+## 应用场景
+
+### 算法类别
+
+`目标检测`
+
+### 热点应用行业
+
+`监控`,`交通`,`教育`,`化工`
 
 ## 源码仓库及问题反馈
 
-https://developer.hpccube.com/codes/modelzoo/video_migraphx
+https://developer.hpccube.com/codes/modelzoo/video_migraphx.git
+
+## 参考资料
+
+https://github.com/WongKinYiu/yolov7
 

docker/Dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/custom:decode-ffmpeg-dtk23.04

model.properties

+# 模型唯一标识
+modelCode = 225
 # 模型名称
-modelName=Video_MIGraphX
+modelName=video_migraphx
 # 模型描述
-modelDescription=Video MIGraphX是用于视频类的推理，使用ffmpeg解码，含有yolo系列，retinaface，ssd模型
+modelDescription=Video MIGraphX是用于视频类的目标检测推理，使用ffmpeg解码，含有yolo系列，retinaface
 # 应用场景
-appScenario=推理,inference,MIGraphX,目标检测,视频解码,video
+appScenario=推理,目标检测,视频解码,监控,交通,教育,化工
 # 框架类型
-frameType=MIGraphX
+frameType=migraphx