explained directory in detail for part 4

docs/zh_CN/quick_start/quick_start_recognition.md

@@ -8,7 +8,7 @@
 
 * [1. 环境配置](#环境配置)
 * [2. 图像识别体验](#图像识别体验)
-  * [2.1 下载、解压inference 模型与demo数据](#下载、解压inference模型与demo数据)
+  * [2.1 下载、解压inference 模型与demo数据](#2.1)
   * [2.2 瓶装饮料识别与检索](#瓶装饮料识别与检索)
     * [2.2.1 识别单张图像](#识别单张图像)
     * [2.2.2 基于文件夹的批量识别](#基于文件夹的批量识别)
@@ -18,8 +18,8 @@
   * [3.3 基于新的索引库的图像识别](#基于新的索引库的图像识别)
 * [4. 服务端识别模型列表](#4)
 
-
 <a name="环境配置"></a>
+
 ## 1. 环境配置
 
 * 安装：请先参考[Paddle安装教程](../installation/install_paddle.md) 以及 [PaddleClas安装教程](../installation/install_paddleclas.md) 配置 PaddleClas 运行环境。
@@ -31,6 +31,7 @@
   ```
 
 <a name="图像识别体验"></a>
+
 ## 2. 图像识别体验
 
 轻量级通用主体检测模型与轻量级通用识别模型和配置文件下载方式如下表所示。
@@ -75,7 +76,7 @@ cd ..
 wget {数据下载链接地址} && tar -xf {压缩包的名称}
 ```
 
-<a name="下载、解压inference模型与demo数据"></a>
+<a name="2.1"></a>
 
 ### 2.1 下载、解压 inference 模型与 demo 数据
 
@@ -236,6 +237,7 @@ python3.7 python/predict_system.py -c configs/inference_general.yaml -o Global.i
 当索引库中的图像无法覆盖我们实际识别的场景时，即在预测未知类别的图像时，我们需要将对应类别的相似图像添加到索引库中，从而完成对未知类别的图像识别，这一过程是不需要重新训练的。
 
 <a name="准备新的数据与标签"></a>
+
 ### 3.1 准备新的数据与标签
 
 首先需要将与待检索图像相似的图像列表拷贝到索引库原始图像的文件夹。这里 PaddleClas 已经将所有的图像数据都放在文件夹 `drink_dataset_v1.0/gallery/` 中。
@@ -245,8 +247,8 @@ python3.7 python/predict_system.py -c configs/inference_general.yaml -o Global.i
 
 每一行的文本中，第一个字段表示图像的相对路径，第二个字段表示图像对应的标签信息，中间用 `\t` 键分隔开（注意：有些编辑器会将 `tab` 自动转换为 `空格` ，这种情况下会导致文件解析报错）。
 
-
 <a name="建立新的索引库"></a>
+
 ### 3.2 建立新的索引库
 
 使用下面的命令构建 `index` 索引，加速识别后的检索过程。
@@ -295,18 +297,24 @@ python3.7 python/predict_system.py -c configs/inference_general.yaml -o Global.i
 | 商品识别模型 | 商品场景  |  [模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/product_ResNet50_vd_aliproduct_v1.0_infer.tar) | [inference_product.yaml](../../../deploy/configs/inference_product.yaml) | [build_product.yaml](../../../deploy/configs/build_product.yaml) |
 | 车辆ReID模型 | 车辆ReID场景 | [模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/vehicle_reid_ResNet50_VERIWild_v1.0_infer.tar) | - | - |
 
-在models文件夹下进行如下操作来获取模型：
+```shell
+cd PaddleClas/deploy/
+mkdir -p models
+```
 
 ```shell
+cd ./models
 # 下载通用主体检测模型并解压
 wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar && tar -xf ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar
 # 下载识别模型并解压
 wget {识别模型下载链接地址} && tar -xf {压缩包的名称}
 ```
 
-在deploy文件夹下使用如下命令下载各方向识别模型的测试数据：
+使用如下命令下载各方向识别模型的测试数据：
 
 ```shell
+# 回到deploy目录下
+cd ..
 # 下载测试数据并解压
 wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/recognition_demo_data_en_v1.1.tar && tar -xf recognition_demo_data_en_v1.1.tar
 ```