修改readme

README.md

@@ -14,10 +14,14 @@ YOLOV7是2022年最新出现的一种YOLO系列目标检测模型，该模型的
 
 ## 算法原理
 
-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。
+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。
+
+<img src="./Doc/YoloV7_suanfa.png" alt="YOLOV7_suanfa" style="zoom:67%;" />
 
 ## 环境配置
 
+### Docker（方法一）
+
 拉取镜像：
 
 ```plaintext
@@ -33,6 +37,15 @@ docker run --shm-size 16g --network=host --name=yolov7_migraphx --privileged --d
 source /opt/dtk/env.sh
 ```
 
+### Dockerfile（方法二）
+
+```
+cd ./docker
+docker build --no-cache -t yolov7_migraphx:2.0 .
+
+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
+```
+
 ## 数据集
 
 根据提供的样本数据，进行目标检测。
@@ -126,6 +139,10 @@ 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%;" />
 
+### 精度
+
+无
+
 ## 应用场景
 
 ### 算法类别
@@ -140,6 +157,6 @@ C++程序运行结束后，会在build目录生成目标检测图像。
 
 https://developer.hpccube.com/codes/modelzoo/yolov7_migraphx
 
-## 参考
+## 参考资料
 
 https://github.com/WongKinYiu/yolov7

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=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,目标检测,交通,教育,化工
 #框架类型
 frameType=migraphx
\ No newline at end of file