diff --git a/fluid/PaddleCV/video/models/nextvlad/README.md b/fluid/PaddleCV/video/models/nextvlad/README.md
index 82404db0634e56d5e69aa15e086efb13d271f1f8..61b634e7fd52e2910913a5ca31c0413ce43e5021 100644
--- a/fluid/PaddleCV/video/models/nextvlad/README.md
+++ b/fluid/PaddleCV/video/models/nextvlad/README.md
@@ -14,7 +14,7 @@
 ## 算法介绍
 NeXtVLAD模型是第二届Youtube-8M视频理解竞赛中效果最好的单模型，在参数量小于80M的情况下，能得到高于0.87的GAP指标。该模型提供了一种将桢级别的视频特征转化并压缩成特征向量，以适用于大尺寸视频文件的分类的方法。其基本出发点是在NetVLAD模型的基础上，将高维度的特征先进行分组，通过引入attention机制聚合提取时间维度的信息，这样既可以获得较高的准确率，又可以使用更少的参数量。详细内容请参考[NeXtVLAD: An Efficient Neural Network to Aggregate Frame-level Features for Large-scale Video Classification](https://arxiv.org/abs/1811.05014)。
 
-这里使用Paddle Fluid实现了论文中的单模型结构，使用2nd-Youtube-8M的train数据集作为训练集，在val数据集上做测试。
+这里实现了论文中的单模型结构，使用2nd-Youtube-8M的train数据集作为训练集，在val数据集上做测试。
 
 ## 数据准备
 
@@ -29,7 +29,7 @@ NeXtVLAD模型使用2nd-Youtube-8M数据集, 数据下载及准备请参考[数
 
 ### 使用预训练模型做finetune
 
-请先将我们提供的预训练模型[model](https://paddlemodels.bj.bcebos.com/video_classification/nextvlad_youtube8m.tar.gz)下载到本地，并在上述脚本文件中添加--resume为所保存的预模型存放路径。
+请先将提供的预训练模型[model](https://paddlemodels.bj.bcebos.com/video_classification/nextvlad_youtube8m.tar.gz)下载到本地，并在上述脚本文件中添加--resume为所保存的预模型存放路径。
 
 使用4卡Nvidia Tesla P40，总的batch size数是160。
 
@@ -41,15 +41,12 @@ NeXtVLAD模型使用2nd-Youtube-8M数据集, 数据下载及准备请参考[数
 
 ## 模型评估
 
-用户可以下载我们的预训练模型参数，或者使用自己训练好的模型参数，请在
-
-    bash ./scripts/test/test_nextvald.sh
-
+用户可以下载的预训练模型参数，或者使用自己训练好的模型参数，请在./scripts/test/test\_nextvald.sh
 文件中修改--weights参数为保存模型参数的目录。运行
 
     bash ./scripts/test/test_nextvlad.sh
 
-由于youtube-8m提供的数据中test数据集是没有ground truth标签的，所以这里我们使用validation数据集来做测试。
+由于youtube-8m提供的数据中test数据集是没有ground truth标签的，所以这里使用validation数据集来做测试。
 
 模型参数列表如下：
 
@@ -72,10 +69,7 @@ NeXtVLAD模型使用2nd-Youtube-8M数据集, 数据下载及准备请参考[数
 
 ## 模型推断
 
-用户可以下载我们的预训练模型参数，或者使用自己训练好的模型参数，请在
-
-    bash ./scripts/infer/infer_nextvald.sh
-
+用户可以下载的预训练模型参数，或者使用自己训练好的模型参数，请在./scripts/infer/infer\_nextvald.sh
 文件中修改--weights参数为保存模型参数的目录，运行如下脚本
 
     bash ./scripts/infer/infer_nextvald.sh