diff --git a/README.md b/README.md
index 0befa4f207e4079ce4ce9c3e9e8caecc0c25c41d..f637d485b5a7877f9ea47ad23abd49c21b4f1836 100644
--- a/README.md
+++ b/README.md
@@ -151,7 +151,7 @@ PaddleDetection新发布精度速度领先的[PP-YOLO](https://arxiv.org/abs/200
 本项目的发布受[Apache 2.0 license](LICENSE)许可认证。
 
 ## 版本更新
-v0.4.0版本已经在`07/2020`发布，增加PP-YOLO, TTFNet, HTC等多个模型，新增BlazeFace人脸关键点检测模型，新增移动端SSDLite系列优化模型，新增GridMask，RandomErasing数据增强方法，新增Matrix NMS和EMA训练，提升易用性，修复已知诸多bug等，详细内容请参考[版本更新文档](docs/CHANGELOG.md)。
+v0.4.0版本已经在`07/2020`发布，增加PP-YOLO, TTFNet, HTC, ACFPN等多个模型，新增BlazeFace人脸关键点检测模型，新增移动端SSDLite系列优化模型，新增GridMask，RandomErasing数据增强方法，新增Matrix NMS和EMA训练，提升易用性，修复已知诸多bug等，详细内容请参考[版本更新文档](docs/CHANGELOG.md)。
 
 ## 如何贡献代码
 
diff --git a/README_en.md b/README_en.md
index 293391d94f0320187978705254e53232c263b77d..3236bc38e221c0b79e473e8e1e8a06633261da80 100644
--- a/README_en.md
+++ b/README_en.md
@@ -168,7 +168,7 @@ The following is the relationship between COCO mAP and FPS on Tesla V100 of SOTA
 PaddleDetection is released under the [Apache 2.0 license](LICENSE).
 
 ## Updates
-v0.4.0 was released at `05/2020`, add PP-YOLO, TTFNet, HTC, etc. And add BlaceFace face landmark detection model, add a series of optimized SSDLite models on mobile side, add data augmentations GridMask and RandomErasing, add Matrix NMS and EMA training, and improved ease of use, fix many known bugs, etc.
+v0.4.0 was released at `05/2020`, add PP-YOLO, TTFNet, HTC, ACFPN, etc. And add BlaceFace face landmark detection model, add a series of optimized SSDLite models on mobile side, add data augmentations GridMask and RandomErasing, add Matrix NMS and EMA training, and improved ease of use, fix many known bugs, etc.
 Please refer to [版本更新文档](docs/CHANGELOG.md) for details.
 
 ## Contributing
diff --git a/docs/CHANGELOG.md b/docs/CHANGELOG.md
index 9cc10a50f3e3181a58bcf3ddb52e7d039d0aab91..eee6c2dd95fe2df6544570854b91f232f8508dea 100644
--- a/docs/CHANGELOG.md
+++ b/docs/CHANGELOG.md
@@ -8,14 +8,17 @@
     - 新增TTFNet模型，base版本对齐竞品，COCO数据集精度达到32.9%。
     - 新增HTC模型，base版本对齐竞品，COCO数据集精度达到42.2%。
     - 新增BlazeFace人脸关键点检测模型，在Wider-Face数据集的Easy-Set精度达到85.2%。
+    - 新增ACFPN模型， COCO数据集精度达到39.6%。
+    - 发布服务器端通用目标检测模型（包含676类），相同策略在COCO数据集上，V100为19.5FPS时，COCO mAP可以达到49.4%。
 
   - 移动端模型优化：
     - 新增SSDLite系列优化模型，包括新增GhostNet的Backbone，新增FPN组件等，精度提升0.5%-1.5%。
 
   - 易用性提升机功能组件：
-    - 新增GridMask, RandomErasing数据增强方法
-    - 新增Matrix NMS支持
-    - 新增EMA(Exponential Moving Average)训练支持
+    - 新增GridMask, RandomErasing数据增强方法。
+    - 新增Matrix NMS支持。
+    - 新增EMA(Exponential Moving Average)训练支持。
+    - 新增多机训练方法，两机相对于单机平均加速比80%，多机训练支持待进一步验证。
 
 ### v0.3.0(05/2020)
   - 模型丰富度提升：