Update README.md

contrib/README.md

@@ -14,126 +14,21 @@ HumanSeg系列全新升级，提供三个适用于不同场景，包含适用于
 
 
 
-## 人体解析Human Parsing
+## 人体解析 Human Parsing
 
-![](ACE2P/imgs/result.jpg)
+人体解析(Human Parsing)是细粒度的语义分割任务，旨在识别像素级别的人类图像的组成部分（例如，身体部位和服装）。ACE2P通过融合底层特征、全局上下文信息和边缘细节，端到端训练学习人体解析任务。以ACE2P单人人体解析网络为基础的解决方案在CVPR2019第三届LIP挑战赛中赢得了全部三个人体解析任务的第一名
 
-人体解析(Human Parsing)是细粒度的语义分割任务，旨在识别像素级别的人类图像的组成部分（例如，身体部位和服装）。本章节使用冠军模型Augmented Context Embedding with Edge Perceiving (ACE2P)进行预测分割。
-
-
-**Note:** 本章节所有命令均在`contrib/ACE2P`目录下执行。
-
-```
-cd contrib/ACE2P
-```
-
-### 1. 模型概述
-
-Augmented Context Embedding with Edge Perceiving (ACE2P)通过融合底层特征、全局上下文信息和边缘细节，端到端训练学习人体解析任务。以ACE2P单人人体解析网络为基础的解决方案在CVPR2019第三届Look into Person (LIP)挑战赛中赢得了全部三个人体解析任务的第一名。详情请参见[ACE2P](./ACE2P)
-
-### 2. 模型下载
-
-执行以下命令下载并解压ACE2P预测模型：
-
-```
-python download_ACE2P.py
-```
-
-或点击[链接](https://paddleseg.bj.bcebos.com/models/ACE2P.tgz)进行手动下载, 并在contrib/ACE2P下解压。
-
-### 3. 数据下载
-
-测试图片共10000张，
-点击 [Baidu_Drive](https://pan.baidu.com/s/1nvqmZBN#list/path=%2Fsharelink2787269280-523292635003760%2FLIP%2FLIP&parentPath=%2Fsharelink2787269280-523292635003760)
-下载Testing_images.zip，或前往LIP数据集官网进行下载。
-下载后解压到contrib/ACE2P/data文件夹下
-
-
-### 4. 运行
-
-
-使用GPU预测
-```
-python -u infer.py --example ACE2P --use_gpu
-```
-
-使用CPU预测：
-```
-python -u infer.py --example ACE2P
-```
-
-**NOTE:** 运行该模型需要2G左右显存。由于数据图片较多，预测过程将比较耗时。
-
-#### 5. 预测结果示例：
-  
-  原图：
-  
-  ![](ACE2P/imgs/117676_2149260.jpg)
-  
-  预测结果：
-  
-  ![](ACE2P/imgs/117676_2149260.png)
-  
-### 备注
-
-1. 数据及模型路径等详细配置见ACE2P/HumanSeg/RoadLine下的config.py文件
-2. ACE2P模型需预留2G显存，若显存超可调小FLAGS_fraction_of_gpu_memory_to_use
 
+## ACE2P模型框架图
+![](./ACE2P/imgs/net.jpg)
 
+PaddleSeg提供了ACE2P获得比赛冠军的预训练模型，更多详情请点击[ACE2P](./ACE2P)
 
+## 车道线分割 LaneNet
 
-## 车道线分割
-
-**Note:** 本章节所有命令均在`contrib/RoadLine`目录下执行。
-
-```
-cd contrib/RoadLine
-```
-
-### 1. 模型结构
-
-Deeplabv3+ backbone为MobileNetv2
-
-
-### 2. 下载模型和数据
-
- 
-执行以下命令下载并解压模型和数据集：
-
-```
-python download_RoadLine.py
-```
-
-或点击[链接](https://paddleseg.bj.bcebos.com/inference_model/RoadLine.tgz)进行手动下载，并解压到contrib/RoadLine文件夹下
-
-
-### 3. 运行
-  
-使用GPU预测：
-
-```
-python -u infer.py --example RoadLine --use_gpu
-```
-
-
-使用CPU预测：
-
-```
-python -u infer.py --example RoadLine
-```
-
-预测结果存放在contrib/RoadLine/RoadLine/result目录下。
-
-#### 4. 预测结果示例：
-  
-  原图：
-  
-  ![](RoadLine/imgs/RoadLine.jpg)
-  
-  预测结果：
-  
-  ![](RoadLine/imgs/RoadLine.png)
+PaddleSeg提供了基于LaneNet的车道线分割模型，更多详情请点击[LaneNet](./LaneNet)
 
+![](https://pic2.zhimg.com/80/v2-8015f4b256791d4456fbc2739efc106d_1440w.jpg)
 
 
 ## 工业表盘分割