readme supplementary

README.md

@@ -52,19 +52,31 @@ DFace主要有两大模块，人脸检测和人脸识别。我会提供所有模
 * cv2
 * matplotlib
 
+```shell
+git clone https://gitee.com/kuaikuaikim/dface.git
+```
+
 在这里我提供了一个anaconda的环境依赖文件environment.yml，它能方便你构建自己的虚拟环境。
 
 ```shell
 conda env create -f path/to/environment.yml
 ```
 
+添加python搜索模块路径  
+
+```shell
+export PYTHONPATH=$PYTHONPATH:{your local DFace root path}
+```
+
+
+
 ### 人脸识别和检测
 
 如果你对mtcnn模型感兴趣，以下过程可能会帮助到你。
 
 #### 训练mtcnn模型
 
-MTCNN主要有三个网络，叫做**PNet**, **RNet** 和 **ONet**。因此我们的训练过程也需要分三步先后进行。为了更好的实现效果，当前被训练的网络都将依赖于上一个训练好的网络来生成数据。所有的人脸数据集都来自　**[WIDER FACE](http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/)** 和 **[CelebA](http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html)**。WIDER FACE仅提供了大量的人脸边框定位数据，而CelebA包含了人脸关键点定位数据。
+MTCNN主要有三个网络，叫做**PNet**, **RNet** 和 **ONet**。因此我们的训练过程也需要分三步先后进行。为了更好的实现效果，当前被训练的网络都将依赖于上一个训练好的网络来生成数据。所有的人脸数据集都来自　**[WIDER FACE](http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/)** 和 **[CelebA](http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html)**。WIDER FACE仅提供了大量的人脸边框定位数据，而CelebA包含了人脸关键点定位数据。以下训练除了　生成ONet的人脸关键点训练数据和标注文件　该步骤使用CelebA数据集，其他一律使用WIDER FACE。
 
 
 * 生成PNet训练数据和标注文件