diff --git a/README.md b/README.md
index 4aa269dad28db4d1d14ad86b540298adcc70e1ca..de35e8ee2414a1977bb9ccee981608bb79e5ccf7 100644
--- a/README.md
+++ b/README.md
@@ -27,6 +27,7 @@
 * 以下是对书上狗的图片进行分类识别的样例，同学们可以根据自己对应的物体识别分类需求替换对应的分类识别模型即可。    
 
 ![recoobj_book](https://codechina.csdn.net/EricLee/handpose_x/-/raw/master/samples/recobj_book.gif)    
+* [该Demo完整视频](https://www.bilibili.com/video/BV1nb4y1R7Zh/)       
 
 该物体识别分类项目的地址为：  https://codechina.csdn.net/EricLee/classification     
 
@@ -49,7 +50,7 @@
   建议最好还是通过分类模型做静态手势识别鲁棒和准确高，目前局限于静态手势训练集的问题用二维约束关系定义静态手势替代。    
 
 ![ocrreco](https://codechina.csdn.net/EricLee/handpose_x/-/raw/master/samples/ocrreco.gif)       
-
+* [该Demo完整视频](https://www.bilibili.com/video/BV1Bb4y1R7sd/)       
 
 ## 项目配置  
 ### 1、软件  
@@ -73,8 +74,15 @@
 * 如果使用该数据集并发布相关项目或网络资源文章等，请讲述其数据集的出处 "https://codechina.csdn.net/EricLee/handpose_x"    
 * 数据集读取脚本为：read_datasets.py,并需要相应更改脚本中的数据集路径。  
 
+## 模型   
+### 1、目前支持的模型  
+
+- [x] resnet18 resnet34 resnet50 resnet101
+- [x] squeezenet1_0 squeezenet1_1
+- [x] ShuffleNet ShuffleNetV2
+- [x] MobileNetV2
 
-## 预训练模型   
+### 2、预训练模型   
 
 * [预训练模型下载地址(百度网盘 Password: 99f3 )](https://pan.baidu.com/s/1Ur6Ikp31XGEuA3hQjYzwIw)        
 
diff --git a/train.py b/train.py
index 35f93998d0196d0b8c1763e329cc5ea0b6ef8257..9ff5dcbf5298e593e7898a32b31fccf0ccd5d6c6 100644
--- a/train.py
+++ b/train.py
@@ -14,7 +14,7 @@ from utils.model_utils import *
 from utils.common_utils import *
 from hand_data_iter.datasets import *
 
-from models.resnet import resnet50,resnet101
+from models.resnet import resnet18,resnet34,resnet50,resnet101
 from models.squeezenet import squeezenet1_1,squeezenet1_0
 from models.shufflenetv2 import ShuffleNetV2
 from models.shufflenet import ShuffleNet
@@ -37,6 +37,8 @@ def trainer(ops,f_log):
 
         if ops.model == 'resnet_50':
             model_ = resnet50(pretrained = True,num_classes = ops.num_classes,img_size = ops.img_size[0],dropout_factor=ops.dropout)
+        elif ops.model == 'resnet_18':
+            model_ = resnet18(pretrained = True,num_classes = ops.num_classes,img_size = ops.img_size[0],dropout_factor=ops.dropout)
         elif ops.model == 'resnet_34':
             model_ = resnet34(pretrained = True,num_classes = ops.num_classes,img_size = ops.img_size[0],dropout_factor=ops.dropout)
         elif ops.model == 'resnet_101':