add icon and scnet

README.md

@@ -48,13 +48,17 @@ pip install mmdet==3.2.0 -i https://mirrors.aliyun.com/pypi/simple/
 ## 数据集
 COCO2017
 
-[训练数据](http://images.cocodataset.org/zips/train2017.zip)
+在本测试中可以使用ImageNet数据集。
+- 数据集快速下载中心:
+  - [SCNet AIDatasets](http://113.200.138.88:18080/aidatasets)
+- 数据集快速通道下载地址：
+  - [数据集快速下载地址](http://113.200.138.88:18080/aidatasets/coco2017)
 
-[验证数据](http://images.cocodataset.org/zips/val2017.zip)
-
-[测试数据](http://images.cocodataset.org/zips/test2017.zip)
-
-[标签数据](https://github.com/ultralytics/yolov5/releases/download/v1.0/coco2017labels.zip)
+- 官方下载地址
+  - [训练数据](http://images.cocodataset.org/zips/train2017.zip)
+  - [验证数据](http://images.cocodataset.org/zips/val2017.zip)
+  - [测试数据](http://images.cocodataset.org/zips/test2017.zip)
+  - [标签数据](https://github.com/ultralytics/yolov5/releases/download/v1.0/coco2017labels.zip)
 
 数据集的目录结构如下：
 
@@ -83,7 +87,13 @@ bash ./train.sh
 ```
 ## 推理
 - 可使用官方模型权重进行推理，也可使用自己训练模型权重进行推理
-- 这里以官方模型推理举例[[下载地址：yolox_s_8x8_300e_coco_20211121_095711-4592a793.pth](https://download.openmmlab.com/mmdetection/v2.0/yolox/yolox_s_8x8_300e_coco/yolox_s_8x8_300e_coco_20211121_095711-4592a793.pth)]
+- 模型权重快速下载中心
+  - [SCNet AIModels](http://113.200.138.88:18080/aimodels) 
+- 模型权重快速通道下载地址
+  - [模型权重快速下载地址](http://113.200.138.88:18080/aimodels/findsource-dependency/yolox_mmcv)
+- 官方下载地址：
+  - [下载地址：yolox_s_8x8_300e_coco_20211121_095711-4592a793.pth](https://download.openmmlab.com/mmdetection/v2.0/yolox/yolox_s_8x8_300e_coco/yolox_s_8x8_300e_coco_20211121_095711-4592a793.pth)
+- 这里以官方模型推理举例
 ```python
 # 官方推理代码
 python demo/image_demo.py demo/demo.jpg ./configs/yolox/yolox_s_8xb8-300e_coco.py --weights yolox_s_8x8_300e_coco_20211121_095711-4592a793.pth --device cuda