修改yolov7工程格式

README.md

 # YoloV7
 
-## 模型介绍
+## 论文
 
-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: 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，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。
+
+<img src="./Doc/YoloV7模型结构.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。
 
-## Python版本推理
+## 环境配置
 
-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。
+拉取镜像：
+
+```plaintext
+docker pull image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.0.0-centos7.6-dtk23.04.1-py38-latest
+```
 
-### 下载镜像
+创建并启动容器：
 
-下载MIGraphX镜像：
+```plaintext
+docker run --shm-size 16g --network=host --name=yolov7_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/yolov7_migraphx:/home/yolov7_migraphx -it <Your Image ID> /bin/bash
 
-```python
-docker pull sugonhub/migraphx:3.2.1-centos7.6-dtk-23.04.1-py38
+# 激活dtk
+source /opt/dtk/env.sh
 ```
 
-### 设置Python环境变量
+## 数据集
+
+根据提供的样本数据，进行目标检测。
+
+## 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。
+
+#### 设置环境变量
 
 ```
 export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
 ```
 
-### 安装依赖
+#### 安装依赖
 
 ```
 # 进入python示例目录
 cd <path_to_yolov7_migraphx>/Python
 
 # 安装依赖
-pip install -r requirements.txt
+pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
 ```
 
-### 运行示例
+#### 运行示例
 
 YoloV7模型的推理示例程序是YoloV7_infer_migraphx.py，在Python目录下使用如下命令运行该推理示例：
 
@@ -49,30 +72,18 @@ python YoloV7_infer_migraphx.py \
 	--nmsThreshold nms阈值，默认0.5 \
 ```
 
-程序运行结束会在当前目录生成YoloV7检测结果图像。
-
-<img src="./Resource/Images/Result.jpg" alt="Result_2" style="zoom: 50%;" />
-
-## C++版本推理
+### C++版本推理
 
 下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
 
-### 下载镜像
-
-下载MIGraphX镜像：
-
-```
-docker pull sugonhub/migraphx:3.2.1-centos7.6-dtk-23.04.1-py38
-```
 
-
-### 构建工程
+#### 构建工程
 
 ```
 rbuild build -d depend
 ```
 
-### 设置环境变量
+#### 设置环境变量
 
 将依赖库依赖加入环境变量LD_LIBRARY_PATH，在~/.bashrc中添加如下语句：
 
@@ -86,7 +97,7 @@ export LD_LIBRARY_PATH=<path_to_yolov7_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
 source ~/.bashrc
 ```
 
-### 运行示例
+#### 运行示例
 
 成功编译YoloV7工程后，执行如下命令运行该示例：
 
@@ -101,16 +112,34 @@ cd ./build/
 ./YOLOV7
 ```
 
-程序运行结束会在build目录生成YoloV7检测结果图像。
+## result
+
+### Python版本
+
+python程序运行结束后，会在当前目录生成目标检测图像。
+
+<img src="./Resource/Images/Result.jpg" alt="Result_2" style="zoom: 50%;" />
+
+### C++版本
+
+C++程序运行结束后，会在build目录生成目标检测图像。
 
 <img src="./Resource/Images/Result.jpg" alt="Result" style="zoom:50%;" />
 
+## 应用场景
+
+### 算法类别
+
+`目标检测`
+
+### 热点应用行业
 
+`交通`,`教育`,`化工`
 
 ## 源码仓库及问题反馈
 
-​		https://developer.hpccube.com/codes/modelzoo/yolov7_migraphx
+https://developer.hpccube.com/codes/modelzoo/yolov7_migraphx
 
 ## 参考
 
-​		https://github.com/WongKinYiu/yolov7
+https://github.com/WongKinYiu/yolov7

model.properties

+#模型唯一标识
+modelCode=217
 #模型名称
-modelName=YoloV7_MIGraphX
+modelName=yolov7_migraphx
 #模型描述
 modelDescription=YOLOV7是2022年最新出现的一种YOLO系列目标检测模型。
 #应用场景
-appScenario=推理,cv,目标检测
+appScenario=推理,CV,目标检测
 #框架类型
-frameType=MIGraphX
+frameType=migraphx
\ No newline at end of file