Fix docs

hub_module/modules/image/object_detection/faster_rcnn_resnet50_coco2017/README.md

-```shell
-$ hub install faster_rcnn_resnet50_coco2017==1.1.0
-```
-
 ## 命令行预测
 
 ```
-hub run faster_rcnn_resnet50_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run faster_rcnn_resnet50_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -22,7 +18,7 @@ def context(num_classes=81,
 **参数**
 
 * num\_classes (int): 类别数；
-* trainable(bool): 将参数的trainable 属性设为trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * phase (str): 可选值为 'train'/'predict'，'trian' 用于训练，'predict' 用于预测。
 
@@ -35,7 +31,7 @@ def context(num_classes=81,
         * im\_info (Variable): 图像缩放信息
         * gt\_class (Variable): 检测框类别
         * gt\_box (Variable): 检测框坐标
-        * is\_crowd (Variable):
+        * is\_crowd (Variable): 单个框内是否包含多个物体
     当 phase 为 'predict'时，包含：
         * image (Variable): 图像变量
         * im\_size (Variable): 图像的尺寸

hub_module/modules/image/object_detection/faster_rcnn_resnet50_fpn_coco2017/README.md

-```shell
-$ hub install faster_rcnn_resnet50_fpn_coco2017==1.0.0
-```
-
 ## 命令行预测
 
 ```
-hub run faster_rcnn_resnet50_fpn_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run faster_rcnn_resnet50_fpn_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -22,7 +18,7 @@ def context(num_classes=81,
 **参数**
 
 * num\_classes (int): 类别数；
-* trainable(bool): 将参数的trainable 属性设为trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * phase (str): 可选值为 'train'/'predict'，'trian' 用于训练，'predict' 用于预测。
 
@@ -35,7 +31,7 @@ def context(num_classes=81,
         * im\_info (Variable): 图像缩放信息
         * gt\_class (Variable): 检测框类别
         * gt\_box (Variable): 检测框坐标
-        * is\_crowd (Variable):
+        * is\_crowd (Variable): 单个框内是否包含多个物体
     当 phase 为 'predict'时，包含：
         * image (Variable): 图像变量
         * im\_size (Variable): 图像的尺寸

hub_module/modules/image/object_detection/retinanet_resnet50_fpn_coco2017/README.md

-```shell
-$ hub install retinanet_resnet50_fpn_coco2017==1.0.0
-```
-
 ## 命令行预测
 
 ```
-hub run retinanet_resnet50_fpn_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run retinanet_resnet50_fpn_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 将参数的trainable属性设为trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 

hub_module/modules/image/object_detection/ssd_mobilenet_v1_pascal/README.md

-```shell
-$ hub install ssd_mobilenet_v1_pascal==1.1.0
-```
-
 ## 命令行预测
 
 ```
-hub run ssd_mobilenet_v1_pascal --input_path "/PATH/TO/IMAGE"
+$ hub run ssd_mobilenet_v1_pascal --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 设置参数的 trainable 属性；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 

hub_module/modules/image/object_detection/ssd_vgg16_300_coco2017/README.md

-```shell
-$ hub install ssd_vgg16_300_coco2017==1.0.0
-```
-
 ## 命令行预测
 
 ```
-hub run ssd_vgg16_300_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run ssd_vgg16_300_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 设置参数的 trainable 属性；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 

hub_module/modules/image/object_detection/ssd_vgg16_512_coco2017/README.md

-```shell
-$ hub install ssd_vgg16_512_coco2017==1.0.0
-```
-
 ## 命令行预测
 
 ```
-hub run ssd_vgg16_512_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run ssd_vgg16_512_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 设置参数的 trainable 属性；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 

hub_module/modules/image/object_detection/yolov3_darknet53_coco2017/README.md

-```shell
-$ hub install yolov3_darknet53_coco2017==1.1.0
-```
-
 ## 命令行预测
 
 ```
-hub run yolov3_darknet53_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run yolov3_darknet53_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 将参数的trainable属性设为trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 
@@ -29,7 +25,7 @@ def context(trainable=True,
 * inputs (dict): 模型的输入，keys 包括 'image', 'im\_size'，相应的取值为：
     * image (Variable): 图像变量
     * im\_size (Variable): 图片的尺寸
-* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_fatures'，否则输出 'bbox\_out'。
+* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_features'、'body\_features'，否则输出 'bbox\_out'。
 * context\_prog (Program): 用于迁移学习的 Program.
 
 ```python

hub_module/modules/image/object_detection/yolov3_darknet53_coco2017/module.py

@@ -88,7 +88,7 @@ class YOLOv3DarkNet53Coco2017(hub.Module):
                 # yolo_head
                 yolo_head = YOLOv3Head(num_classes=80)
                 # head_features
-                head_features = yolo_head._get_outputs(
+                head_features, body_features = yolo_head._get_outputs(
                     body_feats, is_train=trainable)
 
                 place = fluid.CPUPlace()
@@ -109,7 +109,9 @@ class YOLOv3DarkNet53Coco2017(hub.Module):
                 else:
                     outputs = {
                         'head_features':
-                        [var_prefix + var.name for var in head_features]
+                        [var_prefix + var.name for var in head_features],
+                        'body_features':
+                        [var_prefix + var.name for var in body_features]
                     }
                 # add_vars_prefix
                 add_vars_prefix(context_prog, var_prefix)

hub_module/modules/image/object_detection/yolov3_darknet53_coco2017/yolo_head.py

@@ -227,7 +227,7 @@ class YOLOv3Head(object):
                 # upsample
                 route = self._upsample(route)
 
-        return outputs
+        return outputs, blocks
 
     def get_prediction(self, outputs, im_size):
         """

hub_module/modules/image/object_detection/yolov3_darknet53_pedestrian/README.md

-```shell
-$ hub install yolov3_darknet53_pedestrian==1.0.0
-```
-
 ## 命令行预测
 
 ```
-hub run yolov3_darknet53_pedestrian --input_path "/PATH/TO/IMAGE"
+$ hub run yolov3_darknet53_pedestrian --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 将参数的trainable属性设为trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 
@@ -29,7 +25,7 @@ def context(trainable=True,
 * inputs (dict): 模型的输入，keys 包括 'image', 'im\_size'，相应的取值为：
     * image (Variable): 图像变量
     * im\_size (Variable): 图片的尺寸
-* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_fatures'，否则输出 'bbox\_out'。
+* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_features'、'body\_features'，否则输出 'bbox\_out'。
 * context\_prog (Program): 用于迁移学习的 Program.
 
 ```python

hub_module/modules/image/object_detection/yolov3_darknet53_pedestrian/module.py

@@ -102,7 +102,7 @@ class YOLOv3DarkNet53Pedestrian(hub.Module):
                         normalized=False,
                         score_threshold=0.01))
                 # head_features
-                head_features = yolo_head._get_outputs(
+                head_features, body_features = yolo_head._get_outputs(
                     body_feats, is_train=trainable)
 
                 place = fluid.CPUPlace()
@@ -123,7 +123,9 @@ class YOLOv3DarkNet53Pedestrian(hub.Module):
                 else:
                     outputs = {
                         'head_features':
-                        [var_prefix + var.name for var in head_features]
+                        [var_prefix + var.name for var in head_features],
+                        'body_features':
+                        [var_prefix + var.name for var in body_features]
                     }
                 # add_vars_prefix
                 add_vars_prefix(context_prog, var_prefix)

hub_module/modules/image/object_detection/yolov3_darknet53_pedestrian/yolo_head.py

@@ -227,7 +227,7 @@ class YOLOv3Head(object):
                 # upsample
                 route = self._upsample(route)
 
-        return outputs
+        return outputs, blocks
 
     def get_prediction(self, outputs, im_size):
         """

hub_module/modules/image/object_detection/yolov3_darknet53_vehicles/README.md

-```shell
-$ hub install yolov3_darknet53_vehicles==1.0.0
-```
-
 ## 命令行预测
 
 ```
-hub run yolov3_darknet53_vehicles --input_path "/PATH/TO/IMAGE"
+$ hub run yolov3_darknet53_vehicles --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 将参数的trainable属性设为trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 
@@ -29,7 +25,7 @@ def context(trainable=True,
 * inputs (dict): 模型的输入，keys 包括 'image', 'im\_size'，相应的取值为：
     * image (Variable): 图像变量
     * im\_size (Variable): 图片的尺寸
-* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_fatures'，否则输出 'bbox\_out'。
+* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_features'、'body\_features'，否则输出 'bbox\_out'。
 * context\_prog (Program): 用于迁移学习的 Program.
 
 ```python

hub_module/modules/image/object_detection/yolov3_darknet53_vehicles/module.py

@@ -102,7 +102,7 @@ class YOLOv3DarkNet53Vehicles(hub.Module):
                         normalized=False,
                         score_threshold=0.005))
                 # head_features
-                head_features = yolo_head._get_outputs(
+                head_features, body_features = yolo_head._get_outputs(
                     body_feats, is_train=trainable)
 
                 place = fluid.CPUPlace()
@@ -123,7 +123,9 @@ class YOLOv3DarkNet53Vehicles(hub.Module):
                 else:
                     outputs = {
                         'head_features':
-                        [var_prefix + var.name for var in head_features]
+                        [var_prefix + var.name for var in head_features],
+                        'body_features':
+                        [var_prefix + var.name for var in body_features]
                     }
                 # add_vars_prefix
                 add_vars_prefix(context_prog, var_prefix)

hub_module/modules/image/object_detection/yolov3_darknet53_vehicles/yolo_head.py

@@ -227,7 +227,7 @@ class YOLOv3Head(object):
                 # upsample
                 route = self._upsample(route)
 
-        return outputs
+        return outputs, blocks
 
     def get_prediction(self, outputs, im_size):
         """

hub_module/modules/image/object_detection/yolov3_mobilenet_v1_coco2017/README.md

-```shell
-hub install yolov3_mobilenet_v1_coco2017==1.1.0
-```
-
 ## 命令行预测
 
 ```
-hub run yolov3_mobilenet_v1_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run yolov3_mobilenet_v1_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-特征提取，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 将参数的 trainable 属性设为 trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 
@@ -29,7 +25,7 @@ def context(trainable=True,
 * inputs (dict): 模型的输入，keys 包括 'image', 'im\_size'，相应的取值为：
     * image (Variable): 图像变量；
     * im\_size (Variable): 图片的尺寸
-* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_fatures'，否则输出 'bbox\_out'。
+* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_features'、'body\_features'，否则输出 'bbox\_out'。
 * context\_prog (Program): 用于迁移学习的 Program.
 
 ```python

hub_module/modules/image/object_detection/yolov3_mobilenet_v1_coco2017/module.py

@@ -92,7 +92,7 @@ class YOLOv3MobileNetV1Coco2017(hub.Module):
                 # yolo_head
                 yolo_head = YOLOv3Head(num_classes=80)
                 # head_features
-                head_features = yolo_head._get_outputs(
+                head_features, body_features = yolo_head._get_outputs(
                     body_feats, is_train=trainable)
 
                 place = fluid.CPUPlace()
@@ -113,7 +113,9 @@ class YOLOv3MobileNetV1Coco2017(hub.Module):
                 else:
                     outputs = {
                         'head_features':
-                        [var_prefix + var.name for var in head_features]
+                        [var_prefix + var.name for var in head_features],
+                        'body_features':
+                        [var_prefix + var.name for var in body_features]
                     }
                 # add_vars_prefix
                 add_vars_prefix(context_prog, var_prefix)

hub_module/modules/image/object_detection/yolov3_mobilenet_v1_coco2017/yolo_head.py

@@ -227,7 +227,7 @@ class YOLOv3Head(object):
                 # upsample
                 route = self._upsample(route)
 
-        return outputs
+        return outputs, blocks
 
     def get_prediction(self, outputs, im_size):
         """

hub_module/modules/image/object_detection/yolov3_resnet34_coco2017/README.md

-```shell
-$ hub install yolov3_resnet34_coco2017==1.1.0
-```
-
 ## 命令行预测
 
 ```
-hub run yolov3_resnet34_coco2017 --input_path "/PATH/TO/IMAGE"
+$ hub run yolov3_resnet34_coco2017 --input_path "/PATH/TO/IMAGE"
 ```
 
 ## API
@@ -16,11 +12,11 @@ def context(trainable=True,
             get_prediction=False)
 ```
 
-提取头部特征，用于迁移学习。
+提取特征，用于迁移学习。
 
 **参数**
 
-* trainable(bool): 将参数的trainable属性设为trainable；
+* trainable(bool): 参数是否可训练；
 * pretrained (bool): 是否加载预训练模型；
 * get\_prediction (bool): 是否执行预测。
 
@@ -29,7 +25,7 @@ def context(trainable=True,
 * inputs (dict): 模型的输入，keys 包括 'image', 'im\_size'，相应的取值为：
     * image (Variable): 图像变量
     * im\_size (Variable): 图片的尺寸
-* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_fatures'，否则输出 'bbox\_out'。
+* outputs (dict): 模型的输出。如果 get\_prediction 为 False，输出 'head\_features'、'body\_features'，否则输出 'bbox\_out'。
 * context\_prog (Program): 用于迁移学习的 Program.
 
 ```python

hub_module/modules/image/object_detection/yolov3_resnet34_coco2017/module.py

@@ -94,7 +94,7 @@ class YOLOv3DarkNet53Coco2017(hub.Module):
                 # yolo_head
                 yolo_head = YOLOv3Head(num_classes=80)
                 # head_features
-                head_features = yolo_head._get_outputs(
+                head_features, body_features = yolo_head._get_outputs(
                     body_feats, is_train=trainable)
 
                 place = fluid.CPUPlace()
@@ -115,7 +115,9 @@ class YOLOv3DarkNet53Coco2017(hub.Module):
                 else:
                     outputs = {
                         'head_features':
-                        [var_prefix + var.name for var in head_features]
+                        [var_prefix + var.name for var in head_features],
+                        'body_features':
+                        [var_prefix + var.name for var in body_features]
                     }
                 # add_vars_prefix
                 add_vars_prefix(context_prog, var_prefix)

hub_module/modules/image/object_detection/yolov3_resnet34_coco2017/yolo_head.py

@@ -227,7 +227,7 @@ class YOLOv3Head(object):
                 # upsample
                 route = self._upsample(route)
 
-        return outputs
+        return outputs, blocks
 
     def get_prediction(self, outputs, im_size):
         """