diff --git a/docs/annotation/jingling_demo/outputs/annotations/aa63d7e6db0d03137883772c246c6761fc201059.png b/docs/annotation/jingling_demo/outputs/annotations/aa63d7e6db0d03137883772c246c6761fc201059.png
index 8dfbff7b73bcfff7ef79b904667241731641d4a4..526acefdcdd8317c5778a5d47495d7049a46269d 100644
Binary files a/docs/annotation/jingling_demo/outputs/annotations/aa63d7e6db0d03137883772c246c6761fc201059.png and b/docs/annotation/jingling_demo/outputs/annotations/aa63d7e6db0d03137883772c246c6761fc201059.png differ
diff --git a/docs/annotation/labelme_demo/annotations/2011_000025.png b/docs/annotation/labelme_demo/annotations/2011_000025.png
index dcf7c96517d4870f6e83293cef62e3285e5b37e3..0b5a56dda153c92f4411ac7d71665aaf93111e10 100644
Binary files a/docs/annotation/labelme_demo/annotations/2011_000025.png and b/docs/annotation/labelme_demo/annotations/2011_000025.png differ
diff --git a/docs/data_prepare.md b/docs/data_prepare.md
index 89f036f81588d1fa1b6fe833aad58e078873f10a..6d93992e481cd6737bc505089f2613919fe0d4d8 100644
--- a/docs/data_prepare.md
+++ b/docs/data_prepare.md
@@ -3,8 +3,11 @@
 ## 数据标注
 
 ### 标注协议
-PaddleSeg采用单通道的标注图片，每一种像素值代表一种类别，类别从0开始，例如0，1，2，3表示有4种类别。
+PaddleSeg采用单通道的标注图片，每一种像素值代表一种类别，像素标注类别需要从0开始递增，例如0，1，2，3表示有4种类别。
 
+**NOTE:** 标注图像请使用PNG无损压缩格式的图片。标注类别最多为256类。
+
+### 灰度标注vs伪彩色标注
 一般的分割库使用单通道灰度图作为标注图片，往往显示出来是全黑的效果。灰度标注图的弊端：
 1. 对图像标注后，无法直接观察标注是否正确。
 2. 模型测试过程无法直接判断分割的实际效果。
@@ -51,9 +54,7 @@ PddleSeg已支持2种标注工具：LabelMe、精灵数据标注工具。标注
 
 ### 文件列表规范
 
-PaddleSeg采用通用的文件列表方式组织训练集、验证集和测试集。像素标注类别需要从0开始递增。
-
-**NOTE:** 标注图像请使用PNG无损压缩格式的图片
+PaddleSeg采用通用的文件列表方式组织训练集、验证集和测试集。
 
 以Cityscapes数据集为例, 我们需要整理出训练集、验证集、测试集对应的原图和标注文件列表用于PaddleSeg训练即可。
 
diff --git a/docs/imgs/annotation/image-7.png b/docs/imgs/annotation/image-7.png
index b65d56e92b2b5c1633f5c3168eee2971b476e8f3..7c24ca50361e0f602bc5a603e6377af021dbb63d 100644
Binary files a/docs/imgs/annotation/image-7.png and b/docs/imgs/annotation/image-7.png differ
diff --git a/docs/imgs/annotation/jingling-5.png b/docs/imgs/annotation/jingling-5.png
index 59a15567a3e25df338a3577fe9a9035c5bd0c719..5106559099570140fe91a94e2cdffffe2fdbdaca 100644
Binary files a/docs/imgs/annotation/jingling-5.png and b/docs/imgs/annotation/jingling-5.png differ
diff --git a/docs/imgs/tensorboard_image.JPG b/docs/imgs/tensorboard_image.JPG
index 2d5d0ceb001cb7fc9f68622842710afd9d032463..b38aeef080ece4fc0e6506ad6ad6e0b5b7751a67 100644
Binary files a/docs/imgs/tensorboard_image.JPG and b/docs/imgs/tensorboard_image.JPG differ
diff --git a/docs/imgs/tensorboard_scalar.JPG b/docs/imgs/tensorboard_scalar.JPG
index 2de89c32a3469764631352597f0e55f8a431ad4b..06723b925e243ecc54a9baf054be870c1e0916e1 100644
Binary files a/docs/imgs/tensorboard_scalar.JPG and b/docs/imgs/tensorboard_scalar.JPG differ
diff --git a/docs/imgs/usage_vis_demo.jpg b/docs/imgs/usage_vis_demo.jpg
index 50bedf2f547d11cb4aaefa0435022acc0392ba3c..fc0974359e74e7746b29c7c5a64e3180c3250964 100644
Binary files a/docs/imgs/usage_vis_demo.jpg and b/docs/imgs/usage_vis_demo.jpg differ
diff --git a/docs/imgs/usage_vis_demo2.jpg b/docs/imgs/usage_vis_demo2.jpg
deleted file mode 100644
index 9665e9e2f4d90d6db75411d43d0dc5a34d8b28e7..0000000000000000000000000000000000000000
Binary files a/docs/imgs/usage_vis_demo2.jpg and /dev/null differ
diff --git a/docs/imgs/usage_vis_demo3.jpg b/docs/imgs/usage_vis_demo3.jpg
deleted file mode 100644
index 318c06bcf7debf76b7bff504648df056802130df..0000000000000000000000000000000000000000
Binary files a/docs/imgs/usage_vis_demo3.jpg and /dev/null differ
diff --git a/docs/usage.md b/docs/usage.md
index e38d16e047b4b97a71278b1ba17682d20c4586ee..596d4cf112ef3c439edd3c5068720d45483f4748 100644
--- a/docs/usage.md
+++ b/docs/usage.md
@@ -33,7 +33,6 @@ python pdseg/train.py BATCH_SIZE 1 --cfg configs/cityscapes.yaml
 |--tb_log_dir|train|TensorBoard的日志路径|None||
 |--do_eval|train|是否在保存模型时进行效果评估|False||
 |--vis_dir|vis|保存可视化图片的路径|"visual"||
-|--also_save_raw_results|vis|是否保存原始的预测图片|False||
 
 ## OPTIONS
 
@@ -129,12 +128,10 @@ python pdseg/vis.py --use_gpu \
                      --cfg configs/unet_pet.yaml \
                      TEST.TEST_MODEL saved_model/unet_pet/final
 ```
-执行上述脚本后，会在主目录下产生一个visual/visual_results文件夹，里面存放着测试集图片的预测结果，我们选择其中几张图片进行查看，可以看到，在测试集中的图片上的预测效果已经很不错：
+执行上述脚本后，会在主目录下产生一个visual文件夹，里面存放着测试集图片的预测结果，我们选择其中几张图片进行查看，可以看到，在测试集中的图片上的预测效果已经很不错：
 
 ![](./imgs/usage_vis_demo.jpg)
-![](./imgs/usage_vis_demo2.jpg)
-![](./imgs/usage_vis_demo3.jpg)
 
 `NOTE`
-1. 可视化的图片会默认保存在visual/visual_results目录下，可以通过`--vis_dir`来指定输出目录
+1. 可视化的图片会默认保存在visual目录下，可以通过`--vis_dir`来指定输出目录
 2. 训练过程中会使用DATASET.VIS_FILE_LIST中的图片进行可视化显示，而vis.py则会使用DATASET.TEST_FILE_LIST
diff --git a/pdseg/vis.py b/pdseg/vis.py
index fc524d91c39e8927d1e31eff71ecd41ba83e14cf..d94221c0be1a0b4abe241e75966215863d8fd35d 100644
--- a/pdseg/vis.py
+++ b/pdseg/vis.py
@@ -87,7 +87,7 @@ def to_png_fn(fn):
 def visualize(cfg,
               vis_file_list=None,
               use_gpu=False,
-              vis_dir="visual_predict",
+              vis_dir="visual",
               ckpt_dir=None,
               log_writer=None,
               local_test=False,
@@ -117,7 +117,7 @@ def visualize(cfg,
 
     fluid.io.load_params(exe, ckpt_dir, main_program=test_prog)
 
-    save_dir = os.path.join('visual', vis_dir)
+    save_dir = vis_dir
     makedirs(save_dir)
 
     fetch_list = [pred.name]