rename style_text_rec -> style_text

StyleTextRec/README_ch.md → StyleText/README_ch.md

-## Style Text Rec
+## Style Text
 
 ### 目录
-- [工具简介](#工具简介)
-- [环境配置](#环境配置)
-- [快速上手](#快速上手)
-- [高级使用](#高级使用)
-- [应用示例](#应用示例)
+- [一、工具简介](# 一、工具简介)
+- [二、环境配置](# 二、环境配置)
+- [三、快速上手](# 三、快速上手)
+- [四、应用示例](# 四、应用示例)
 
-### 工具简介
+### 一、工具简介
 <div align="center">
     <img src="doc/images/3.png" width="800">
 </div>
@@ -23,13 +22,13 @@ Style-Text数据合成工具是基于百度自研的文本编辑算法《Editing
     <img src="doc/images/2.png" width="1000">
 </div>
 
-### 环境配置
+### 二、环境配置
 
 1. 参考[快速安装](../doc/doc_ch/installation.md)，安装PaddleOCR。
-2. 进入`style_text_rec`目录，下载模型，并解压：
+2. 进入`StyleText`目录，下载模型，并解压：
 
 ```bash
-cd style_text_rec
+cd StyleText
 wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/style_text/style_text_models.zip
 unzip style_text_models.zip
 ```
@@ -47,7 +46,9 @@ fusion_generator:
   pretrain: style_text_models/fusion_generator
 ```
 
-### 快速上手
+### 三、快速上手
+
+#### 合成单张图
 
 1. 运行tools/synth_image，生成示例图片：
 
@@ -55,7 +56,7 @@ fusion_generator:
 python3 -m tools.synth_image -c configs/config.yml
 ```
 
-1. 运行后，会生成`fake_busion.jpg`，即为最终结果。
+2. 运行后，会生成`fake_busion.jpg`，即为最终结果。
 <div align="center">
     <img src="doc/images/4.jpg" width="300">
 </div>
@@ -63,17 +64,17 @@ python3 -m tools.synth_image -c configs/config.yml
    * `fake_bg.jpg`：为风格参考图去掉文字后的背景；
    * `fake_text.jpg`：是用提供的字符串，仿照风格参考图中文字的风格，生成在灰色背景上的文字图片。
 
-2. 如果您想尝试其他风格图像和文字的效果，可以添加style_image,text_corpus和language参数：
+3. 如果您想尝试其他风格图像和文字的效果，可以添加style_image,text_corpus和language参数：
 ```python
 python3 -m tools.synth_image -c configs/config.yml --style_image examples/style_images/2.jpg --text_corpus PaddleOCR --language en
 ```
    * 注意：语言选项和语料相对应，目前我们支持英文、简体中文和韩语。
 
-3. 在`tools/synth_image.py`中，我们还提供了一个`batch_synth_images`方法，可以两两组合语料和图片，批量生成一批数据。
+4. 在`tools/synth_image.py`中，我们还提供了一个`batch_synth_images`方法，可以两两组合语料和图片，批量生成一批数据。
 
-### 高级使用
+#### 批量合成
 
-在开始合成数据集前，需要准备一些素材。
+在开始合成数据前，需要准备一些素材。
 
 首先，需要风格图片作为合成图片的参考依据，这些数据可以是用作训练OCR识别模型的数据集。本例中使用带有标注文件的数据集作为风格图片.
 
@@ -88,7 +89,7 @@ python3 -m tools.synth_image -c configs/config.yml --style_image examples/style_
      * `language`：语料的语种；
      * `corpus_file`: 语料文件路径。
    
-   我们提供了一批[样例图](https://paddleocr.bj.bcebos.com/dygraph_v2.0/style_text/chkoen_5w.tar)供您试用，下面给出了一些示例：
+   我们提供了一批中英韩5w通用数据供您试用 （[下载地址](https://paddleocr.bj.bcebos.com/dygraph_v2.0/style_text/chkoen_5w.tar) ），下面给出了一些示例：
 <div align="center">
     <img src="doc/images/5.png" width="800">
 </div>
@@ -106,21 +107,22 @@ python3 -m tools.synth_image -c configs/config.yml --style_image examples/style_
    ```
 
 
-### 应用示例
+### 四、应用示例
 
-在完成上述操作后，即可得到用于OCR识别的合成数据集，下面给出了一些数据集生成的示例：
+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>
-请您参考[OCR识别文档](https://github.com/PaddlePaddle/PaddleOCR/blob/dygraph/doc/doc_ch/recognition.md#%E5%90%AF%E5%8A%A8%E8%AE%AD%E7%BB%83)，完成训练。
 
-下面展示了一些使用合成数据训练的效果：
+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：
 
 | 场景     | 字符       | 原始数据 | 测试数据 | 只使用原始数据的识别准确率 | 新增合成数据 | 使用合成数据识别准确率 | 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) 
 ### 项目结构
 ```
 style_text_rec