diff --git a/predict.py b/predict.py
index 9dceed406946f7a60aee9b9a45f7e4ba58540c9c..63d2b894e57027c050e54262bd60c9efb4aae8c6 100644
--- a/predict.py
+++ b/predict.py
@@ -1,9 +1,13 @@
 '''
 predict.py有几个注意点
-1、无法进行批量预测，如果想要批量预测，可以利用os.listdir()遍历文件夹，利用Image.open打开图片文件进行预测。
-2、如果想要保存，利用r_image.save("img.jpg")即可保存。
-3、如果想要获得框的坐标，可以进入detect_image函数，读取top,left,bottom,right这四个值。
-4、如果想要截取下目标，可以利用获取到的top,left,bottom,right这四个值在原图上利用矩阵的方式进行截取。
+1、该代码无法直接进行批量预测，如果想要批量预测，可以利用os.listdir()遍历文件夹，利用Image.open打开图片文件进行预测。
+具体流程可以参考get_dr_txt.py，在get_dr_txt.py即实现了遍历还实现了目标信息的保存。
+2、如果想要进行检测完的图片的保存，利用r_image.save("img.jpg")即可保存，直接在predict.py里进行修改即可。 
+3、如果想要获得预测框的坐标，可以进入yolo.detect_image函数，在绘图部分读取top，left，bottom，right这四个值。
+4、如果想要利用预测框截取下目标，可以进入yolo.detect_image函数，在绘图部分利用获取到的top，left，bottom，right这四个值
+在原图上利用矩阵的方式进行截取。
+5、如果想要在预测图上写额外的字，比如检测到的特定目标的数量，可以进入yolo.detect_image函数，在绘图部分对predicted_class进行判断，
+比如判断if predicted_class == 'car': 即可判断当前目标是否为车，然后记录数量即可。利用draw.text即可写字。
 '''
 from PIL import Image