update README.md

README.md

@@ -4,6 +4,10 @@
 
 使用到的主要工具是 EfficientNet 和 Hnswlib，使用前者在 ImageNet 上的预训练模型进行特征抽取，使用后者进行特征索引及检索。因 EfficientNet 的 PyTorch 实现尚未提供 Python 3.7 及后续版本的支持，使用 ONNX 进行推理可方便安装使用，降低依赖门槛同时方便进一步移植开发 ~~（虽然大概率咕了）~~。
 
+使用前请注意，如果有任何使用上的问题请尽量自行解决（特别是 GUI 版本）。  
+比起花费时间维护，咱更希望像 Eagle 这样的专业图像管理软件加入特性持续维护。  
+如果您有任何新点子，欢迎 fork 实现后 pull request。
+
 ### 依赖
  - Python 3.6+
  - numpy
@@ -15,6 +19,26 @@
 
 ### 使用
 
+#### GUI 使用
+
+ > 当前 GUI 版本打包仅支持 Windows x86_64 环境使用
+
+初次使用需要建立索引：
+1. 双击 `start.bat` 打开
+2. 单击 `设置` - `添加索引目录` 添加需要索引的图库目录
+3. 单击 `更新索引目录` 建立索引
+
+搜索图片：
+1. 单击 `...` 选择图片
+2. 设置返回结果数量
+3. 单击 `开始搜索`
+4. 双击返回结果的文件路径打开图片
+
+后续索引更新：
+1. 单击 `设置` - `更新索引目录` 更新索引
+
+#### 编程使用
+
 1. 第一次使用时对图片仓库文件夹建立索引
 ```python
 from utils import *
@@ -71,10 +95,13 @@ print(f'Input: {input_path} Result: {",".join(results)}')
 > Q：更换更大规模的模型？  
 > A：首先转换 EfficientNet 模型到 ONNX 格式并使用 `opti.py` 优化，接着修改 `efficient_ir.py` 中的 `img_size` 和 `model_path`，最后重新索引即可。
 
+> Q：检索效果不佳怎么解决？  
+> A：当前代码中使用 b2 级别模型是权衡之后决定的，若追求更佳检索效果请自行更换更大规模的模型。
+
 ### TODO
 
- - [ ] 实现 Cli 工具
- - [ ] 实现 GUI 工具
+ - [ ] ~~实现 Cli 工具~~
+ - [x] 实现 GUI 工具
  - [ ] 移植到 C++ 使用 [ncnn](https://github.com/Tencent/ncnn) 推理
 
 ### References