docs: Fix docs errors

docs/ppocr/blog/PP-OCRv3_introduction.md

@@ -14,17 +14,17 @@ PP-OCRv3在PP-OCRv2的基础上进一步升级。整体的框架图保持了与P
 从算法改进思路上看，分别针对检测和识别模型，进行了共9个方面的改进：
 
 - 检测模块：
-  - LK-PAN：大感受野的PAN结构；
-  - DML：教师模型互学习策略；
-  - RSE-FPN：残差注意力机制的FPN结构；
+    - LK-PAN：大感受野的PAN结构；
+    - DML：教师模型互学习策略；
+    - RSE-FPN：残差注意力机制的FPN结构；
 
 - 识别模块：
-  - SVTR_LCNet：轻量级文本识别网络；
-  - GTC：Attention指导CTC训练策略；
-  - TextConAug：挖掘文字上下文信息的数据增广策略；
-  - TextRotNet：自监督的预训练模型；
-  - UDML：联合互学习策略；
-  - UIM：无标注数据挖掘方案。
+    - SVTR_LCNet：轻量级文本识别网络；
+    - GTC：Attention指导CTC训练策略；
+    - TextConAug：挖掘文字上下文信息的数据增广策略；
+    - TextRotNet：自监督的预训练模型；
+    - UDML：联合互学习策略；
+    - UIM：无标注数据挖掘方案。
 
 从效果上看，速度可比情况下，多种场景精度均有大幅提升：
 

docs/ppocr/blog/PP-OCRv4_introduction.md

@@ -14,18 +14,18 @@ PP-OCRv4在PP-OCRv3的基础上进一步升级。整体的框架图保持了与P
 从算法改进思路上看，分别针对检测和识别模型，进行了共10个方面的改进：
 
 * 检测模块：
-  * LCNetV3：精度更高的骨干网络
-  * PFHead：并行head分支融合结构
-  * DSR: 训练中动态增加shrink ratio
-  * CML：添加Student和Teacher网络输出的KL div loss
+    * LCNetV3：精度更高的骨干网络
+    * PFHead：并行head分支融合结构
+    * DSR: 训练中动态增加shrink ratio
+    * CML：添加Student和Teacher网络输出的KL div loss
 
 * 识别模块：
-  * SVTR_LCNetV3：精度更高的骨干网络
-  * Lite-Neck：精简的Neck结构
-  * GTC-NRTR：稳定的Attention指导分支
-  * Multi-Scale：多尺度训练策略
-  * DF: 数据挖掘方案
-  * DKD ：DKD蒸馏策略
+    * SVTR_LCNetV3：精度更高的骨干网络
+    * Lite-Neck：精简的Neck结构
+    * GTC-NRTR：稳定的Attention指导分支
+    * Multi-Scale：多尺度训练策略
+    * DF: 数据挖掘方案
+    * DKD ：DKD蒸馏策略
 
 从效果上看，速度可比情况下，多种场景精度均有大幅提升：