Update README.md

README.md

@@ -12,19 +12,19 @@ PaddleSeg具备高性能、丰富的数据增强、工业级部署、全流程
 
 - **丰富的数据增强**
 
-  - 基于百度视觉技术部的实际业务经验，内置10+种数据增强策略，可结合实际业务场景进行定制组合，提升模型泛化能力和鲁棒性。
+基于百度视觉技术部的实际业务经验，内置10+种数据增强策略，可结合实际业务场景进行定制组合，提升模型泛化能力和鲁棒性。
 
 - **主流模型覆盖**
 
-  - 支持U-Net, DeepLabv3+, ICNet三类主流分割网络，结合预训练模型和可调节的骨干网络，满足不同性能和精度的要求。
+支持U-Net, DeepLabv3+, ICNet三类主流分割网络，结合预训练模型和可调节的骨干网络，满足不同性能和精度的要求。
 
 - **高性能**
 
-  - PaddleSeg支持多进程IO、多卡并行、多卡Batch Norm同步等训练加速策略，结合飞桨核心框架的显存优化算法，可以大幅度减少分割模型的显存开销，更快完成分割模型训练。
+PaddleSeg支持多进程IO、多卡并行、跨卡Batch Norm同步等训练加速策略，结合飞桨核心框架的显存优化功能，可以大幅度减少分割模型的显存开销，更快完成分割模型训练。
 
 - **工业级部署**
 
-  - 基于[Paddle Serving](https://github.com/PaddlePaddle/Serving)和PaddlePaddle高性能预测引擎，结合百度开放的AI能力，轻松搭建人像分割和车道线分割服务。
+基于[Paddle Serving](https://github.com/PaddlePaddle/Serving)和PaddlePaddle高性能预测引擎，结合百度开放的AI能力，轻松搭建人像分割和车道线分割服务。
 
 </br>
 
@@ -66,7 +66,7 @@ PaddleSeg具备高性能、丰富的数据增强、工业级部署、全流程
 
 #### Q:图像分割的数据增强如何配置，unpadding, step-scaling, range-scaling的原理是什么？
 
-A: 数据增强的配置可以参考文档[数据增强](./docs/data_aug.md)
+A: 更详细数据增强文档可以参考[数据增强](./docs/data_aug.md)
 
 #### Q: 预测时图片过大，导致显存不足如何处理？