refined README

README.md

@@ -27,22 +27,39 @@
 4. 运行第二阶段
 5. 查看结果
 
-## 主程序入口
+## 主程序入口: UnetBasedMethod.py
 ### 参数
-* -m ,--method  : 0 使用Kmeans，1 使用阈值法(butterworth滤波),2 使用阈值法（fft）,3 使用unet。默认Kmeans
-* -c ,--core    : Kmeans分为几类，默认5，仅对Kmeans法有效
-* -p ,--process : 使用线程数量，默认8，仅对阈值法有效
 
-### 示例
+```
+usage: UnetBasedMethod.py [-h] [--step STEP] [-p P] [--module FILE]
+                          [--mask-threshold MASK_THRESHOLD] [--scale SCALE]
+
+A simple toolkit designed by Ulden
+
+optional arguments:
+  -h, --help            show this help message and exit
+  --step STEP, -s STEP  step 1: recognize; step 2: barcharts (default: 2)
+  -p P, --process P     Num of process (default: 8)
+  --module FILE, -m FILE
+                        Specify the file in which the model is stored
+                        (default: MODEL)
+  --mask-threshold MASK_THRESHOLD, -t MASK_THRESHOLD
+                        Minimum probability value to consider a mask pixel
+                        white (default: 0.5)
+  --scale SCALE, -S SCALE
+                        Scale factor for the input images (default: 1.0)
+
+```
 
-- `python main.py -m 1 -p 16`
-- `python main.py -m 0 -c 8`
+### 用法
+1. 步骤一:`python UnetBasedMethod.py -s 1 -p 8 -m MODEL`
+2. 步骤二:根据output结果，从imgs文件夹下挑选对应图片，删除不需要的图
+3. 步骤三:`python UnetBasedMethod.py -s 2 -p 8`
 
 
 ## 使用Unet模型
 ### 训练
 ```
-python train.py -h
 usage: train.py [-h] [-e E] [-b [B]] [-l [LR]] [-f LOAD] [-s SCALE] [-v VAL]
 
 Train the UNet on images and target masks