编写readme

README.md

@@ -3,23 +3,15 @@
 LPR是一个基于深度学习技术的车牌识别模型，主要识别目标是自然场景的车牌图像。
 
 ## 模型结构
-模型采用LPRNet，主要包含三部分：基于一个轻量级CNN的主干网络、基于预定位置的字符分类头部、基于贪婪算法的序列解码。
-
-
-
-车牌识别模块，可以更换成crnn网络做识别，也可以更换到传统图像处理方法分割字符后逐个字符识别，
-在这个车牌检测和识别系统里，我觉得最重要的是前面的车牌检测与矫正模块，因为如果前面没做好，
-那么后面输入到车牌识别模块里的图片是一个倾斜的车牌，这时候输出结果就出错了。
-
-对于车牌检测，也可以使用图像分割的思想，例如使用UNet语义分割网络，分割出车牌，
-二值化然后查找连通域，计算4个顶点
+模型采用LPRNet，模型结构主要包含三部分：一个轻量级CNN主干网络、基于预定位置的字符分类头部、基于贪婪算法的序列解码。此外模型使用CTC Loss和RMSprop优化器。
 
+## 数据集
+推荐使用一个车牌数据集[CCPD](https://blog.csdn.net/LuohenYJ/article/details/117752120)
 导出onnx模型：
 python test.py --export_onnx true
 
 推理onnx模型：
 python LPRNet_ORT_infer.py
-## 数据集
 ## 训练及推理
 ## 性能和准确率数据
 ## 参考
\ No newline at end of file