diff --git a/README.md b/README.md
index 4bf5deb51f256c9971e1ff800f7b092b4cee03d2..429b89797bc711b5a3aff2843f1939bbbd4786f9 100644
--- a/README.md
+++ b/README.md
@@ -17,6 +17,7 @@ works in real-time with detection and recognition accuracy up to 99.8% for Chine
 一、整个大车牌检测基于haar+cascade的检测或者mtcnn的检测，
 --------------------------------
 [车牌识别技术详解六--基于Adaboost+haar训练的车牌检测](https://blog.csdn.net/zhubenfulovepoem/article/details/42474239  "悬停显示")
+大牌检测采用车牌比例为90:36的比例，训练基于haar特征的adaboost检测。
 
 二、mtcnn检测到车牌之后，通过回归得到四个角点，做透视变换对齐得到水平车牌，实测可以处理角度非常偏的车牌，
 -------
@@ -24,13 +25,21 @@ works in real-time with detection and recognition accuracy up to 99.8% for Chine
 
 三、单个车牌字符分割是基于haar+cascade加上逻辑筛选，
 --------
-[车牌识别技术详解三--字符检测的正负样本得取（利用鼠标画框抠图）](https://blog.csdn.net/zhubenfulovepoem/article/details/12344639   "悬停显示")
+[车牌识别技术详解三--字符检测的正负样本得取（利用鼠标画框抠图）](https://blog.csdn.net/zhubenfulovepoem/article/details/12344639   "悬停显示") 
+
+单个字符的分割可以基于haar或者采用fcn！
+
 [车牌识别技术详解四--二值化找轮廓做分割得样本（车牌分割，验证码分割）](https://blog.csdn.net/zhubenfulovepoem/article/details/12345539   "悬停显示")
 
 
 
-四、识别支持全图识别和单个字符分割识别：全图识别是基于lstm+ctc。
+四、识别支持blstm+ctc全图识别、单个字符分割识别和FCN全卷积识别。
 -------
+| 优缺点 | 识别车牌 |
+| ------------- | ------------- |
+| 由于单个字符样本较多，所以识别率在正面车牌情况下，非常高  | 切割出单个字符通过cnn识别 |
+| 全图识别，可以处理角度，污迹等等  | lstm+ctc  |
+| 带定位，但是依赖数据过多 | fcn全卷机网络带单个字符定位 |
 
 
 ![image](https://github.com/zhubenfu/License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9/blob/master/result_plateCard/QQ%E5%9B%BE%E7%89%8720180529195903.png)