修改readme

README.md

@@ -8,7 +8,7 @@ YOLOV3是由Joseph Redmon和Ali Farhadi在2018年提出的单阶段目标检测
 
 算法基本思想首先通过特征提取网络对输入提取特征，backbone部分由YOLOV2时期的Darknet19进化至Darknet53加深了网络层数，引入了Resnet中的跨层加和操作；然后结合不同卷积层的特征实现多尺度训练，一共有13x13、26x26、52x52三种分辨率，分别用来预测大、中、小的物体；每种分辨率的特征图将输入图像分成不同数量的格子，每个格子预测B个bounding box，每个bounding box预测内容包括: Location(x, y, w, h)、Confidence Score和C个类别的概率，因此YOLOv3输出层的channel数为B*(5 + C)。YOLOv3的loss函数也有三部分组成：Location误差，Confidence误差和分类误差。参考论文地址：https://arxiv.org/abs/1804.02767
 
-## python版本推理
+## Python版本推理
 
 下面介绍如何运行Python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。
 
@@ -38,7 +38,7 @@ pip install -r requirements.txt
 
 ### 运行示例
 
-YoloV3模型的推理示例程序是YoloV3_infer_migraphx.py，在python目录下使用如下命令运行该推理示例：
+YoloV3模型的推理示例程序是YoloV3_infer_migraphx.py，在Python目录下使用如下命令运行该推理示例：
 
 ```
 python YoloV3_infer_migraphx.py \