diff --git a/README.md b/README.md
index 0fc64de..017bde0 100644
--- a/README.md
+++ b/README.md
@@ -1,5 +1,26 @@
 # 车牌识别
 
+### 介绍
+
+HyperLPR是一个基于Python的使用深度学习针对对中文车牌识别的实现，与开源的[EasyPR](https://github.com/liuruoze/EasyPR)相比，它的检测速度和鲁棒性和多场景的适应性都要好于EasyPR。
+
+
+### 特性
+
++ 单张720p 识别时间在单核Intel 2.2G CPU(MBP2015 15inch)不低于 140ms。比EasyPR单核识别速度快近10倍左右的时间。
++ 识别率在EasyPR数据集上0-error达到70.2% 1-error识别率达到 89.6%
++ 单线程平均检测时间在EasyPR数据集在保持在160ms以下。基于adaboost检测方法在实时性、召回率、准确率上都不逊于MSER方法。检测recall和easyPR持平。
++ 代码框架轻量，总代码不到1k行。
+
+### 依赖
+
++ Keras + Theano backend (Tensorflow data order)
++ Theano
++ Numpy
++ Scipy
++ OpenCV
++ scikit-image
+
 ### Pipeline
 
 step1. 使用opencv 的 HAAR cascade 检测车牌大致位置 
@@ -14,7 +35,7 @@ step5. 使用CNN滑动窗切割字符
 
 step6. 使用CNN识别字符
 
-### 简单测试方式
+### 简单使用方式
 
 ```python
 from hyperlpr import  pipline as  pp