update readme

README.md

-# yolov8_pytorch
+# yolov8
 ## 论文
 无
 ## 模型结构
-oloV8是一种单阶段目标检测算法，该算法在YOLOV5的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。<br>
+yolov8是一种单阶段目标检测算法，该算法在YOLOV5的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。<br>
 ![model_framework.png](asserts%2Fmodel_framework.png)
 ## 算法原理
 YOLOv8算法通过将图像划分为不同大小的网格，预测每个网格中的目标类别和边界框，利用特征金字塔结构和自适应的模型缩放来实现高效准确的实时目标检测。
@@ -25,7 +25,7 @@ pip install -e . -i https://mirrors.aliyun.com/pypi/simple/
 ### Dockerfile（方法二）
 ```
 cd ./docker
-docker build --no-cache -t mmdet:last .
+docker build --no-cache -t yolov8:last .
 docker run -it -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal/:/opt/hyhal/:ro --shm-size=80G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
 cd /your_code_path/yolov8_pytorch
 pip install -e . -i https://mirrors.aliyun.com/pypi/simple/
@@ -106,14 +106,14 @@ bash ./train.sh
 - 这里以官方模型推理举例[[下载地址：yolov8s.pt](https://github.com/ultralytics/assets/releases/download/v8.2.0/yolov8s.pt)]
 ```bash
 # 官方推理代码
-CUDA_VISIBLE_DEVICES = python inference.py
+CUDA_VISIBLE_DEVICES=0 python inference.py
 ```
 ## result
 ![result.jpg](asserts%2Fresult.jpg)
 ### 精度
 |  模型名称   |      amp混精       | Box AP |
 |:------:|:----------------:|:------:|
-| yolo8s |        on        |  46.4  |
+| yolo8s |        on        |  44.1   |
 
 ## 应用场景
 ### 算法类别