diff --git a/README.md b/README.md
index 70f07bab9223a6482ea571371364ad3a84bdc146..11e3ee55efce7a02634e22700b82050b2c251f54 100644
--- a/README.md
+++ b/README.md
@@ -33,6 +33,11 @@ PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力
 
 - [**中文OCR模型快速使用**](./doc/doc_ch/quickstart.md)
 
+- [基于EasyEdge的**移动端demo**体验](https://ai.baidu.com/easyedge/app/openSource?from=paddlelite)(点击本链接或直接扫描如下二维码)
+<img src="./doc/mobile_demo_qrcode.png"  width = "300" height = "160" />
+
+
+
 ## 中文OCR模型列表
 
 |模型名称|模型简介|检测模型地址|识别模型地址|支持空格的识别模型地址|
@@ -57,7 +62,7 @@ PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力
     - 基于C++预测引擎推理(comming soon)
     - [服务化部署](./doc/doc_ch/serving.md)
     - [端侧部署](./deploy/lite/readme.md)
-    - Benchmark
+    - [Benchmark](./doc/doc_ch/benchmark.md)
 - 数据集
     - [通用中英文OCR数据集](./doc/doc_ch/datasets.md)
     - 垂类多语言OCR数据集
@@ -126,7 +131,8 @@ PaddleOCR开源的文本识别算法列表：
 |RARE|Resnet34_vd|84.90%|rec_r34_vd_tps_bilstm_attn|[下载链接](https://paddleocr.bj.bcebos.com/rec_r34_vd_tps_bilstm_attn.tar)|
 |RARE|MobileNetV3|83.32%|rec_mv3_tps_bilstm_attn|[下载链接](https://paddleocr.bj.bcebos.com/rec_mv3_tps_bilstm_attn.tar)|
 
-使用[LSVT](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_ch/datasets.md#1icdar2019-lsvt)街景数据集根据真值将图crop出来30w数据，进行位置校准。此外基于LSVT语料生成500w合成数据训练中文模型，相关配置和预训练文件如下：
+使用[LSVT](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_ch/datasets.md#1icdar2019-lsvt)街景数据集根据真值将图crop出来30w数据，进行位置校准。此外基于LSVT语料生成500w合成数据训练中文模型，相关配置和预训练文件如下：  
+
 |模型|骨干网络|配置文件|预训练模型|
 |-|-|-|-|
 |超轻量中文模型|MobileNetV3|rec_chinese_lite_train.yml|[下载链接](https://paddleocr.bj.bcebos.com/ch_models/ch_rec_mv3_crnn.tar)|
diff --git a/doc/doc_ch/benchmark.md b/doc/doc_ch/benchmark.md
new file mode 100644
index 0000000000000000000000000000000000000000..8540ec999b542987115a865b01a7565ceda2a6e8
--- /dev/null
+++ b/doc/doc_ch/benchmark.md
@@ -0,0 +1,21 @@
+# Benchmark
+
+本文给出了PaddleOCR超轻量中文模型（8.6M）在各平台的预测耗时benchmark。
+
+## 测试数据  
+- 从中文公开数据集[ICDAR2017-RCTW](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_ch/datasets.md#ICDAR2017-RCTW-17)中随机采样**500**张图像。  
+该集合大部分图片是通过手机摄像头在野外采集的。有些是截图。这些图片展示了各种各样的场景，包括街景、海报、菜单、室内场景和手机应用程序的截图。
+
+## 评估指标  
+在四种平台上的预测耗时指标如下：  
+
+|长边尺寸(px)|T4(s)|V100(s)|Intel至强6148(s)|骁龙855(s)|
+|-|-|-|-|-|
+|960|0.092|0.057|0.656|0.354|
+|640|0.067|0.045|0.386| 0.236|
+|480|0.057|0.043|0.241| 0.175| 
+
+说明： 
+- 评估耗时阶段为图像输入到结果输出的完整阶段，包括了图像的预处理和后处理。
+- `Intel至强6148`为服务器端CPU型号。
+- `骁龙855`为移动端处理平台型号。
\ No newline at end of file
diff --git a/doc/doc_ch/quickstart.md b/doc/doc_ch/quickstart.md
index c5385f0741f4a54b1e20059b0328c97ba7691ba9..3c834d3b29964c093b89c352cf247da2e1f990c1 100644
--- a/doc/doc_ch/quickstart.md
+++ b/doc/doc_ch/quickstart.md
@@ -88,5 +88,5 @@ python3 tools/infer/predict_system.py --image_dir="./doc/imgs_en/img_12.jpg" --d
 
 此外，文档教程中也提供了中文OCR模型的其他预测部署方式：
 - 基于C++预测引擎推理(comming soon)
-- [服务部署](./doc/doc_ch/serving.md)
-- 端侧部署(comming soon)
+- [服务部署](./serving.md)
+- [端侧部署](../../deploy/lite/readme.md)
diff --git a/doc/mobile_demo_qrcode.png b/doc/mobile_demo_qrcode.png
new file mode 100644
index 0000000000000000000000000000000000000000..d965db6efe3330df9d2ecdf24f6491af295e7c05
Binary files /dev/null and b/doc/mobile_demo_qrcode.png differ