add README

README.md

+# YoloX
+
+## 论文
+
+https://arxiv.org/abs/2107.08430
+
+## 模型结构
+
+YoloX是一种单阶段目标检测算法，该算法以YoloV3(Darknet53作为backbone)作为基线,在Decoupled Head，Data Aug，Anchor Free 和样本匹配(SimOTA)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。
+
+
+<img src=./Doc/yolox_model.png style="zoom:100%;" align=middle>
+
+## 算法原理
+
+YOLOx算法的改进简单总结主要有三点，decoupled head、anchor-free以及advanced label assigning strategy(SimOTA)。
+
+
+
+## 环境配置
+
+### Docker（方法一）
+
+拉取镜像：
+
+```shell
+docker pull image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.0.0-centos7.6-dtk23.04.1-py38-latest
+```
+
+创建并启动容器：
+
+```shell
+docker run --shm-size 16g --network=host --name=yolox_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/yolox_migraphx:/home/yolox_migraphx -it <Your Image ID> /bin/bash
+
+# 激活dtk
+source /opt/dtk/env.sh
+```
+
+### Dockerfile（方法二）
+
+```shell
+cd ./docker
+docker build --no-cache -t yolox_migraphx:2.0 .
+
+docker run --shm-size 16g --network=host --name=yolox_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/yolox_migraphx:/home/yolox_migraphx -it <Your Image ID> /bin/bash
+
+# 激活dtk
+source /opt/dtk/env.sh
+```
+
+## 数据集
+
+根据提供的样本数据，进行目标检测。
+
+## 推理
+
+### Python版本推理
+
+下面介绍如何运行Python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。
+
+#### 设置环境变量
+
+```shell
+export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
+```
+
+#### 安装依赖
+
+```shell
+# 进入python示例目录
+cd <path_to_yolox_migraphx>/Python
+
+# 安装依赖
+pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
+```
+
+#### 运行示例
+
+YoloX模型的推理示例程序是yolox_infer_migraphx.py，使用如下命令运行该推理示例：
+
+
+1. 静态推理
+
+```shell
+python yolox_infer_migraphx.py --staticInfer
+```
+
+
+
+### 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。
+
+
+#### 构建工程
+
+```shell
+rbuild build -d depend
+```
+
+#### 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：
+
+```shell
+export LD_LIBRARY_PATH=<path_to_yolox_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
+```
+
+然后执行:
+
+```shell
+source ~/.bashrc
+```
+
+#### 运行示例
+
+YoloX示例程序编译成功后，执行如下指令运行该示例：
+
+```shell
+# 进入yolox migraphx工程根目录
+cd <path_to_yolox_migraphx>
+
+# 进入build目录
+cd build/
+```
+
+1. 静态推理
+
+```shell
+./YOLOX 0
+```
+
+
+## result
+
+### Python版本
+
+静态推理：
+
+python程序运行结束后，会在当前目录生成YOLOX静态推理检测结果可视化图像。
+
+<img src="./Resource/Images/image_test_python.jpg" alt="Result" style="zoom: 50%;" />
+
+
+### C++版本
+
+静态推理：
+
+C++程序运行结束后，会在build目录生成YOLOX静态推理检测结果可视化图像。
+
+<img src="./Resource/Images/Result.jpg" alt="Result" style="zoom:50%;" />
+
+
+
+### 精度
+
+无
+
+## 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/yolox_migraphx
+
+## 参考资料
+
+https://github.com/Megvii-BaseDetection/YOLOX

model.properties

+#模型唯一标识符
+modelCode=506
+#模型名称
+modelName=yolox_migraphx
+#模型描述
+modelDescription=YoloX是一种单阶段目标检测算法，该算法以YoloV3(Darknet53作为backbone)作为基线,在Decoupled Head，Data Aug，Anchor Free 和样本匹配(SimOTA)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。
+#应用场景
+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