diff --git a/doc/doc_ch/pgnet.md b/doc/doc_ch/pgnet.md
index df6d8030ffeae1e328e134c54f7ae0a98e4e52be..40fdaab6109cb1c124c73640c7991cb02386bfda 100644
--- a/doc/doc_ch/pgnet.md
+++ b/doc/doc_ch/pgnet.md
@@ -6,8 +6,7 @@
 - [一、简介](#简介)
 - [二、环境配置](#环境配置)
 - [三、快速使用](#快速使用)
-- [四、快速训练](#快速训练)
-- [五、预测推理](#预测推理)
+- [四、模型训练、评估、推理](#快速训练)
 
 
 <a name="简介"></a>
@@ -65,8 +64,8 @@ python3 tools/infer/predict_e2e.py --e2e_algorithm="PGNet" --image_dir="./doc/im
 ```
 
 ### 可视化结果
-可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为'e2e_res'
-
+可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为'e2e_res'。结果示例如下：
+![](../imgs_results/e2e_res_img623_pgnet.jpg)
 
 <a name="快速训练"></a>
 ## 四、快速训练
@@ -146,9 +145,8 @@ python3 tools/infer_e2e.py -c configs/e2e/e2e_r50_vd_pg.yml -o Global.infer_img=
 python3 tools/infer_e2e.py -c configs/e2e/e2e_r50_vd_pg.yml -o Global.infer_img="./doc/imgs_en/" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false
 ```
 
-<a name="预测推理"></a>
-## 五、预测推理
-### 四边形文本检测模型（ICDAR2015）  
+### 预测推理
+#### 四边形文本检测模型（ICDAR2015）  
 首先将PGNet端到端训练过程中保存的模型，转换成inference model。以基于Resnet50_vd骨干网络，以英文数据集训练的模型为例[模型下载地址](https://paddleocr.bj.bcebos.com/dygraph_v2.0/pgnet/en_server_pgnetA.tar) ，可以使用如下命令进行转换：
 ```
 wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/pgnet/en_server_pgnetA.tar && tar xf en_server_pgnetA.tar
@@ -162,7 +160,7 @@ python3 tools/infer/predict_e2e.py --e2e_algorithm="PGNet" --image_dir="./doc/im
 
 ![](../imgs_results/e2e_res_img_10_pgnet.jpg)
 
-### 弯曲文本检测模型（Total-Text）
+#### 弯曲文本检测模型（Total-Text）
 对于弯曲文本样例
 
 **PGNet端到端模型推理，需要设置参数`--e2e_algorithm="PGNet"`，同时，还需要增加参数`--e2e_pgnet_polygon=True`，**可以执行如下命令：