diff --git a/StyleText/README_ch.md b/StyleText/README_ch.md
index 3ea54925a5c0a525703d7e96c2dfcaa0a0213277..c2753697618955d40f63e1d5e9f0c29a867d1b12 100644
--- a/StyleText/README_ch.md
+++ b/StyleText/README_ch.md
@@ -4,7 +4,7 @@
 - [一、工具简介](#工具简介)
 - [二、环境配置](#环境配置)
 - [三、快速上手](#快速上手)
-- [四、应用示例](#应用示例)
+- [四、应用案例](#应用案例)
 
 <a name="工具简介"></a>
 ### 一、工具简介
@@ -111,23 +111,23 @@ python3 -m tools.synth_image -c configs/config.yml --style_image examples/style_
    python3 -m tools.synth_dataset -t 1 -c configs/dataset_config.yml
    ```
 
-<a name="应用示例"></a>
-### 四、应用示例
+<a name="应用案例"></a>
+### 四、应用案例
+下面以金属表面英文数字识别和通用韩语识别两个场景为例，说明使用StyleText合成数据，来提升文本识别效果的实际案例。下图给出了一些真实场景图像和合成图像的示例：
 
-在完成上述操作后，即可得到用于OCR识别的合成数据集。在实用场景中，我们经常遇到数据量不足的情况，这时可以使用已有数据作为style_input，合成数据。
-下面给出了一些数据集生成的示例：
 <div align="center">
     <img src="doc/images/6.png" width="800">
 </div>
 
-在添加这些合成数据进行训练后，识别模型的效果得到了显著提升，如下表所示：
+在添加上述合成数据进行训练后，识别模型的效果提升，如下表所示：
 
 | 场景     | 字符       | 原始数据 | 测试数据 | 只使用原始数据</br>识别准确率 | 新增合成数据 | 同时使用合成数据</br>识别准确率 | 指标提升 |
 | -------- | ---------- | -------- | -------- | -------------------------- | ------------ | ---------------------- | -------- |
 | 金属表面 | 英文和数字 | 2203     | 650      | 0.5938                     | 20000        | 0.7546                 | 16%      |
 | 随机背景 | 韩语       | 5631     | 1230     | 0.3012                     | 100000       | 0.5057                 | 20%      |
 
-识别模型的训练方法您可以参考[OCR识别文档](../doc/doc_ch/recognition.md) 
+识别模型的训练方法可以参考[OCR识别文档](../doc/doc_ch/recognition.md) 
+
 ### 项目结构
 ```
 style_text_rec