Update README.md

demo/ssd/README.md

-# PaddleHub SSD
+# SSD 目标检测
 
-## 关于
+本示例展示如何使用SSD Module进行目标检测预测。
 
-本示例展示如何使用SSD Module进行预测。
-
-SSD是一个目标检测模型，可以检测出图片中的实物的类别和位置，PaddleHub发布的SSD模型通过pascalvoc数据集训练，支持20个数据类别的检测，关于模型的训练细节，请查看[SSD](https://github.com/PaddlePaddle/models/tree/release/v1.2/PaddleCV/object_detection)
-
-## 准备工作
-
-在运行本目录的脚本前，需要先安装1.3.0版本以上的PaddlePaddle（如果您本地已经安装了符合条件的PaddlePaddle版本，那么可以跳过`准备工作`这一步）。
-
-如果您的机器支持GPU，我们建议下载GPU版本的PaddlePaddle，使用GPU进行训练和预测的效率都比使用CPU要高。
-```shell
-# 安装GPU版本的PaddlePaddle
-$ pip install --upgrade paddlepaddle-gpu
-```
-
-如果您的机器不支持GPU，可以通过下面的命令来安装CPU版本的PaddlePaddle
-
-```shell
-# 安装CPU版本的PaddlePaddle
-$ pip install --upgrade paddlepaddle
-```
-
-在安装过程中如果遇到问题，您可以到[Paddle官方网站](http://www.paddlepaddle.org/)上查看解决方案。
+SSD是一个目标检测模型，可以检测出图片中的实物的类别和位置，PaddleHub发布的SSD模型通过pascalvoc数据集训练，支持20个数据类别的检测，关于模型的更多信息参见[SSD](https://www.paddlepaddle.org.cn/hubdetail?name=ssd_mobilenet_v1_pascal&en_category=ObjectDetection)
 
 ## 命令行方式预测
 
-`cli_demo.sh`给出了使用命令行调用Module预测的示例脚本
-通过以下命令试验下效果
-
 ```shell
-$ sh cli_demo.sh
+$ hub run ssd_mobilenet_v1_pascal --input_path "/PATH/TO/IMAGE"
+$ hub run ssd_mobilenet_v1_pascal --input_file test.txt
 ```
 
+test.txt 存放待检测图片的存放路径
+
 ## 通过python API预测
 
 `ssd_demo.py`给出了使用python API调用Module预测的示例代码