diff --git a/PaddleCV/README.md b/PaddleCV/README.md
index 55860903bf953212dfd4bdd0762ade32442ede52..03ddb9b1f8defa3919e870af9a9434bf3d293a1e 100644
--- a/PaddleCV/README.md
+++ b/PaddleCV/README.md
@@ -47,7 +47,7 @@ Mask RCNN模型是基于Faster RCNN模型的经典实例分割模型，在原有
 
 图像语义分割顾名思义是将图像像素按照表达的语义含义的不同进行分组/分割，图像语义是指对图像内容的理解，例如，能够描绘出什么物体在哪里做了什么事情等，分割是指对图片中的每个像素点进行标注，标注属于哪一类别。近年来用在无人车驾驶技术中分割街景来避让行人和车辆、医疗影像分析中辅助诊断等。
 
-更多详细信息请点击语义分割库[PaddleSeg](https://github.com/PaddlePaddle/PaddleSeg)，PaddleSeg覆盖了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割模型。通过统一的配置，帮助用户更便捷地完成从训练到部署的全流程图像分割应用。
+在图像语义分割任务中，我们以眼底医疗分割任务为例，介绍了如何应用DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割模型。通过统一的配置，帮助大家更便捷地完成从训练到部署的全流程图像分割应用。
 
 - [U-Net](https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.4.0/turtorial/finetune_unet.md)
 - [ICNet](https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.4.0/turtorial/finetune_icnet.md)