Update README.md

README.md

@@ -6,9 +6,9 @@ PaddleCLS的目的是为工业界和学术界提供一个图像分类任务相
 
 - 高阶使用：高精度的实用模型蒸馏方案（准确率82.39%的ResNet50_vd和78.9%的MobileNetV3）、8种数据增广方法的复现和验证
 
-- 应用拓展：在常见视觉任务的特色方案，包括图像分类领域的迁移学习、通用目标检测、自然场景文字检测和识别等
+- 应用拓展：常见视觉任务的特色方案，包括图像分类领域的迁移学习（百度自研的10w类图像分类预训练模型）、通用目标检测（mAP 47.8%的实用检测方案）、自然场景文字检测和识别等
 
-- 实用工具：便于工业应用部署的实用工具，包括TensorRT预测、移动端预测、INT8量化和多机训练
+- 实用工具：便于工业应用部署的实用工具，包括TensorRT预测、移动端预测、INT8量化、多机训练、PaddleHub等
 
 - 赛事支持：助力多个视觉全球挑战赛取得领先成绩，包括2018年Kaggle Open Images V4图像目标检测挑战赛冠军、2019年Kaggle地标检索挑战赛亚军等