diff --git a/README.md b/README.md
deleted file mode 100644
index d36b842..0000000
--- a/README.md
+++ /dev/null
@@ -1,736 +0,0 @@
-# 4-2 图像标注实战(Label Studio)
-
-## 学习目标
-
-1. 掌握 Label Studio 的安装、启动与界面使用
-2. 学会配置三种图像标注类型(分类、目标检测、语义分割)
-3. 独立完成边界框、多边形、关键点的标注
-4. 理解 VOC / YOLO / COCO 三种导出格式的区别
-
----
-
-## 1. Label Studio 简介
-
-### 1.1 一句话定义
-
-**Label Studio**:一个开源的、**多模态**数据标注平台,支持图像、文本、语音、视频等几乎所有数据类型的标注与团队协作。
-
-### 1.2 为什么选它
-
-我们这门课统一用 Label Studio 的原因:
-
-| 需求 | Label Studio 对应能力 |
-|------|---------------------|
-| 多种数据类型 | 图像 / 文本 / 语音 / 视频 / 时序,一站式 |
-| 不用写代码 | 通过 XML 标签可视化配置标注界面 |
-| 团队协作 | 内置成员管理、角色权限、任务分配 |
-| 格式灵活 | 内置 YOLO、COCO、VOC、JSON、CSV 导出 |
-| 本地部署 | 数据不出学校,开源免费 |
-
-```
-传统方案(多工具切换):
- 图像 → LabelImg
- 文本 → Doccano
- 语音 → Audacity / ELAN
- 协作 → Excel 邮件
-
-Label Studio 一站式:
- 图像 / 文本 / 语音 / 协作 → Label Studio
-```
-
-### 1.3 与其他工具的对比
-
-| 工具 | 类型 | 适用场景 | 本课程 |
-|------|------|---------|--------|
-| **Label Studio** | 开源/多模态 | 课程学习 / 中小团队 / 综合项目 | 主选 |
-| LabelImg | 开源/图像 | 极简目标检测 | 仅做对比 |
-| CVAT | 开源/图像视频 | 大型分割、视频跟踪 | 了解 |
-| Doccano | 开源/文本 | 简单文本分类 | 已弃用 |
-| Scale AI | 商业 | 企业级标注 | 了解 |
-
----
-
-## 2. Label Studio 安装与启动
-
-### 2.1 环境要求
-
-- Python 3.8 及以上
-- 浏览器(Chrome / Edge / Firefox)
-- 建议 8G 以上内存
-
-### 2.2 pip 安装(推荐)
-
-```bash
-# 在命令行中执行
-pip install label-studio
-
-# 启动 Label Studio
-label-studio
-```
-
-启动后命令行会显示:
-
-```
-[INFO] Label Studio is running at http://localhost:8080
-[INFO] Open it in your browser to start labeling
-```
-
-### 2.3 第一次打开
-
-1. 浏览器访问 `http://localhost:8080`
-2. 第一次进入需要 **Sign Up** 注册管理员账号(用你的邮箱 + 密码)
-3. 注册后自动登录到主界面
-
-```
-┌────────────────────────────────────────────────────────┐
-│ Label Studio │
-│ Sign Up │
-├────────────────────────────────────────────────────────┤
-│ │
-│ Email: [___________________________] │
-│ Username: [___________________________] │
-│ Password: [___________________________] │
-│ │
-│ [ Create Account ] │
-│ │
-└────────────────────────────────────────────────────────┘
-```
-
-### 2.4 安装常见问题
-
-| 问题 | 解决 |
-|------|------|
-| 端口 8080 被占用 | `label-studio --port 8001` |
-| 启动报错找不到模块 | `pip install --upgrade label-studio` |
-| 中文乱码 | 系统区域设置改为 UTF-8 |
-| 浏览器无法打开 | 检查防火墙、放行端口 |
-
----
-
-## 3. 主界面导览
-
-登录后看到的主界面:
-
-```
-┌──────────────────────────────────────────────────────────────┐
-│ [Label Studio] Projects Members Settings [用户头像] │
-├──────────────────────────────────────────────────────────────┤
-│ │
-│ My Projects │
-│ │
-│ ┌────────────────────────────────────────────────┐ │
-│ │ + Create Project │ │
-│ └────────────────────────────────────────────────┘ │
-│ │
-│ 没有任何项目,点上面按钮开始 │
-│ │
-└──────────────────────────────────────────────────────────────┘
-```
-
-**主要功能区**:
-- **Projects**:项目列表,每个项目对应一个标注任务
-- **Members**:成员管理(管理员可见)
-- **Settings**:个人设置
-
----
-
-## 4. 创建第一个项目:图像分类
-
-### 4.1 任务说明
-
-**任务**:对 10 张动物图片进行分类,类别有:cat / dog / bird
-
-### 4.2 创建项目
-
-1. 点击 `+ Create Project`
-2. 填写:
- - **Project Name**:`animal_classification`
- - **Description**:动物图片三分类
-3. 点击 `Save`
-
-### 4.3 配置标注界面
-
-进入项目后,先点 `Settings` → `Labeling Interface` → `Code`:
-
-```xml
-
-
-
-
-
-
-
-
-```
-
-**逐行解释**:
-
-```
- ← 整个标注界面的根标签
- ← 显示图像($image 是任务数据里的字段名)
- ← 单选/多选控件
- ← 一个选项
-
-```
-
-**关键参数**:
-- `toName="image"`:告诉 Label Studio,这个控件是对上面 `Image` 控件的结果
-- `choice="single"`:单选(可选 `single-radio`、`multiple`)
-
-保存后点 `Label All Tasks` 就能看到标注界面。
-
-### 4.4 导入数据
-
-在项目页 → `Settings` → `Data Import`:
-
-**方式 A:上传本地文件**
-
-```
-1. 准备文件夹
- images/
- ├── cat_001.jpg
- ├── cat_002.jpg
- ├── dog_001.jpg
- └── bird_001.jpg
-
-2. 拖拽到上传区域
- 或点击 Upload Files 选中文件夹
-```
-
-**方式 B:上传 CSV / JSONL(推荐,标签稳定)**
-
-`tasks.csv`:
-
-```csv
-image
-images/cat_001.jpg
-images/cat_002.jpg
-images/dog_001.jpg
-images/bird_001.jpg
-```
-
-**方式 C:粘贴 URL**
-
-```csv
-image
-https://example.com/cat_001.jpg
-https://example.com/dog_001.jpg
-```
-
-上传完后点 `Save` → 任务列表里就会看到每一张图对应一行任务。
-
-### 4.5 开始标注
-
-1. 点击 `Label All Tasks`
-2. 进入标注界面:
- - 上面是图片
- - 下面是三个单选按钮
-3. 选中正确类别
-4. 点击右下角 `Submit` 进入下一张
-5. 全部完成后回到项目页,可以看到完成进度
-
-```
-┌──────────────────────────────────────────────────┐
-│ Project: animal_classification │
-├──────────────────────────────────────────────────┤
-│ Tasks: 10 total / 7 done / 3 skipped │
-│ Progress: ████████████░░░░░░ 70% │
-└──────────────────────────────────────────────────┘
-```
-
-### 4.6 导出数据
-
-项目页 → `Export`:
-
-- 格式选 `JSON`
-- 下载得到 `project-1-at-2024-05-20.json`
-
-导出内容示例:
-
-```json
-[
- {
- "id": 1,
- "data": {"image": "images/cat_001.jpg"},
- "annotations": [{
- "result": [{
- "from_name": "label",
- "to_name": "image",
- "type": "choices",
- "value": {"choices": ["cat"]}
- }]
- }]
- }
-]
-```
-
----
-
-## 5. 创建第二个项目:目标检测(边界框)
-
-### 5.1 任务说明
-
-**任务**:对 10 张街景图进行目标检测,标出每张图中的 `person`、`car`、`bicycle`
-
-### 5.2 项目配置 XML
-
-```xml
-
-
-
-
-
-
-
-
-```
-
-**新增标签**:
-- ``:矩形框 + 标签(Label Studio 专门用于目标检测)
-- `