修改readme

README.md

@@ -8,13 +8,13 @@ YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object
 
 ## 模型结构
 
-YOLOV7是2022年最新出现的一种YOLO系列目标检测模型，在论文 [YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors](https://arxiv.org/abs/2207.02696)中提出。
+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模型结构.png" alt="YOLOV7_02" style="zoom:67%;" />
+<img src="./Doc/YoloV7_model.png" alt="YOLOV7_02" style="zoom:67%;" />
 
 ## 算法原理
 
-YoloV7模型的网络结构包括三个部分：input、backbone和head。与yolov5不同的是，将neck层与head层合称为head层，实际上的功能是一样的。各个部分的功能和yolov5相同，如backbone用于提取特征，head用于预测。yolov7依旧基于anchor based的方法，同时在网络架构上增加E-ELAN层，并将REP层也加入进来，方便后续部署，同时在训练时，在head时，新增Aux_detect用于辅助检测。
+与yolov5不同的是，yolov7将neck层与head层合称为head层，实际上的功能是一样的。各个部分的功能和yolov5相同，如backbone用于提取特征，head用于预测。yolov7依旧基于anchor based的方法，同时在网络架构上增加E-ELAN层，并将REP层也加入进来，方便后续部署，同时在训练时，在head时，新增Aux_detect用于辅助检测。
 
 ## 环境配置