update readme

README.md

@@ -166,7 +166,7 @@ A: 请将PaddlePaddle升级至1.5.2版本或以上。
 * 2020.02.25
 
   **`v0.4.0`**
-  * 新增Fast-SCNN分割网络，提供基于cityscapes的[预训练模型](./docs/model_zoo.md)1个。Fast-SCNN不需要imagenet的预训练模型，精度与Deeplabv3p-mobilenetV2，ICNet持平，性能优于两者。
+  * 新增Fast-SCNN分割网络，提供基于cityscapes的[预训练模型](./docs/model_zoo.md)1个。Fast-SCNN不需要imagenet的预训练模型，精度与Deeplabv3p-mobilenetV2、ICNet持平，性能优于两者。
   * 新增LaneNet车道线检测网络，提供[预训练模型](https://github.com/PaddlePaddle/PaddleSeg/tree/release/v0.4.0/contrib/LaneNet#%E4%B8%83-%E5%8F%AF%E8%A7%86%E5%8C%96)一个。
   * 新增基于PaddleSlim的分割库压缩策略([量化](./slim/quantization/README.md), [蒸馏](./slim/distillation/README.md), [剪枝](./slim/prune/README.md), [搜索](./slim/nas/README.md))
   

docs/models.md

@@ -61,7 +61,7 @@ HRNet在人体姿态估计、语义分割和目标检测领域都取得了显著
 
 ### Fast-SCNN
 
-Fast-SCNN [6] 是一个面向实时的语义分割网络。在双分支的结构基础上，大量使用了深度可分离卷积和逆残差（inverted-residual）模块，并且使用特征融合构造金字塔池化模块 (Pyramid Pooling Module)来融合上下文信息。这使得Fast-SCNN在保持高效的情况下能学习到丰富的细节信息。
+Fast-SCNN [7] 是一个面向实时的语义分割网络。在双分支的结构基础上，大量使用了深度可分离卷积和逆残差（inverted-residual）模块，并且使用特征融合构造金字塔池化模块 (Pyramid Pooling Module)来融合上下文信息。这使得Fast-SCNN在保持高效的情况下能学习到丰富的细节信息。
 
 整个网络结构如下：