add faq

doc/doc_ch/FAQ.md

@@ -27,7 +27,7 @@
 **A**: PGNet目前可以使用四点标注数据集，也可以使用多点标注数据集（十四点），多点标注训练的效果要比四点的好，一种可以尝试的策略是先在四点数据集上训练，之后用多点数据集在此基础上继续训练。
 
 #### Q2.3.21:  端到端算法PGNet是否支持中文识别，速度会很慢嘛？
-**A**：目前开源的PGNet算法模型主要是用于检测英文数字，对于中文的识别肯定也是支持的，大家可以使用开源的端到端中文数据集进行训练，对于复杂文本（弯曲文本）的识别，也可以自己构造一批数据集针对进行训练，对于推理速度，可以将模型转换为inference，速度应该会是一个比较可观的结果。
+**A**：目前开源的PGNet算法模型主要是用于检测英文数字，对于中文的识别需要自己训练，大家可以使用开源的端到端中文数据集，而对于复杂文本（弯曲文本）的识别，也可以自己构造一批数据集针对进行训练，对于推理速度，可以将模型转换为inference，速度应该会是一个比较可观的结果。
 
 #### Q3.1.57: 端到端算法PGNet提供了两种后处理方式，两者之间有什么区别呢？
 **A**: 两种后处理的区别主要在于速度的推理，config中PostProcess有fast/slow两种模式，一种速度慢，精度相对较高，另外一种速度快，精度也在可接受的范围之内。建议使用速度快的后处理方式。
@@ -317,7 +317,7 @@
 **A**：在不同的硬件上，不同的backbone的速度优势不同，可以根据不同平台的速度-精度图来确定backbone，这里可以参考[PaddleClas模型速度-精度图](https://github.com/PaddlePaddle/PaddleClas/tree/release/2.0/docs/zh_CN/models)。
 
 #### Q2.3.21:  端到端算法PGNet是否支持中文识别，速度会很慢嘛？
-**A**：目前开源的PGNet算法模型主要是用于检测英文数字，对于中文的识别肯定也是支持的，大家可以使用开源的端到端中文数据集进行训练，对于复杂文本（弯曲文本）的识别，也可以自己构造一批数据集针对进行训练，对于推理速度，可以将模型转换为inference，速度应该会是一个比较可观的结果。
+**A**：目前开源的PGNet算法模型主要是用于检测英文数字，对于中文的识别需要自己训练，大家可以使用开源的端到端中文数据集，而对于复杂文本（弯曲文本）的识别，也可以自己构造一批数据集针对进行训练，对于推理速度，可以将模型转换为inference，速度应该会是一个比较可观的结果。
 
 <a name="PaddleOCR实战问题"></a>
 ## 【实战篇】PaddleOCR实战问题