fix

doc/doc_ch/PP-OCRv3_introduction.md

@@ -36,7 +36,7 @@ PP-OCR从骨干网络选择和调整、预测头部的设计、数据增强、
 
 PP-OCRv3采用PP-OCRv2的[CML](https://arxiv.org/pdf/2109.03144.pdf)蒸馏策略，在蒸馏的student模型、teacher模型精度提升，CML蒸馏策略上分别做了优化。
 
-- 在蒸馏student模型精度提升方面，提出了PP-OCRv2的FPN结构改进版RSEFPN（Residual Squeeze-and-Excitation FPN），用于提升student模型精度和召回。
+- 在蒸馏student模型精度提升方面，提出了基于残差结构的通道注意力模块RSEFPN（Residual Squeeze-and-Excitation FPN），用于提升student模型精度和召回。
 
 RSEFPN的网络结构如下图所示，RSEFPN在PP-OCRv2的FPN基础上，将FPN中的卷积层更换为了通道注意力结构的RSEConv层。