• 模型丰富度：

  • 发布Transformer检测模型：DETR、Deformable DETR、Sparse RCNN
  • 关键点检测新增Dark模型，发布Dark HRNet模型
  • 发布MPII数据集HRNet关键点检测模型
  • 发布人头、车辆跟踪垂类模型

• 模型优化：

  • 旋转框检测模型S2ANet发布Align Conv优化模型，DOTA数据集mAP优化至74.0

• 预测部署

  • 主流模型支持batch size>1预测部署，包含YOLOv3，PP-YOLO，Faster RCNN，SSD，TTFNet，FCOS
  • 新增多目标跟踪模型(JDE, FairMot, DeepSort) Python端预测部署支持，并支持TensorRT预测
  • 新增多目标跟踪模型FairMot联合关键点检测模型部署Python端预测部署支持
  • 新增关键点检测模型联合PP-YOLO预测部署支持

• 文档：

  • Windows预测部署文档新增TensorRT版本说明
  • FAQ文档更新发布

• 问题修复：

  • 修复PP-YOLO系列模型训练收敛性问题
  • 修复batch size>1时无标签数据训练问题

• 模型丰富度提升：

  • 发布关键点模型HRNet，HigherHRNet
  • 发布多目标跟踪模型DeepSort, FairMot, JDE

• 框架基础能力：

  • 支持无标注框训练

• 预测部署：

  • Paddle Inference YOLOv3系列模型支持batch size>1预测
  • 旋转框检测S2ANet模型预测部署打通
  • 增加量化模型Benchmark
  • 增加动态图模型与静态图模型Paddle-Lite demo

• 检测模型压缩：

  • 发布PPYOLO系列模型压缩模型

• 文档：

  • 更新快速开始，预测部署等教程文档
  • 新增ONNX模型导出教程
  • 新增移动端部署文档

说明： 自2.0版本开始，动态图作为PaddleDetection默认版本，原dygraph目录切换为根目录，原静态图实现移动到static目录下。

• 动态图模型丰富度提升：

  • 发布PP-YOLOv2及PP-YOLO tiny模型，PP-YOLOv2 COCO test数据集精度达到49.5%，V100预测速度达到68.9 FPS
  • 发布旋转框检测模型S2ANet
  • 发布两阶段实用模型PSS-Det
  • 发布人脸检测模型Blazeface

• 新增基础模块：

  • 新增SENet，GhostNet，Res2Net骨干网络
  • 新增VisualDL训练可视化支持
  • 新增单类别精度计算及PR曲线绘制功能
  • YOLO系列模型支持NHWC数据格式

• 预测部署：

  • 发布主要模型的预测benchmark数据
  • 适配TensorRT6，支持TensorRT动态尺寸输入，支持TensorRT int8量化预测
  • PP-YOLO, YOLOv3, SSD, TTFNet, FCOS, Faster RCNN等7类模型在Linux、Windows、NV Jetson平台下python/cpp/TRT预测部署打通:

• 检测模型压缩：

  • 蒸馏：新增动态图蒸馏支持，并发布YOLOv3-MobileNetV1蒸馏模型
  • 联合策略：新增动态图剪裁+蒸馏联合策略压缩方案，并发布YOLOv3-MobileNetV1的剪裁+蒸馏压缩模型
  • 问题修复：修复动态图量化模型导出问题

• 文档：

  • 新增动态图英文文档：包含首页文档，入门使用，快速开始，模型算法、新增数据集等
  • 新增动态图中英文安装文档
  • 新增动态图RCNN系列和YOLO系列配置文件模板及配置项说明文档

Release version v2.0.0-rc

Release Note: https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.0-rc/docs/CHANGELOG.md

• 动态图模型丰富度提升：

  • 优化RCNN模型组网及训练方式，RCNN系列模型精度提升(依赖Paddle develop或2.0.1版本)
  • 新增支持SSDLite，FCOS，TTFNet，SOLOv2系列模型
  • 新增行人和车辆垂类目标检测模型

• 新增动态图基础模块：

  • 新增MobileNetV3，HRNet骨干网络
  • 优化RoIAlign计算逻辑，RCNN系列模型精度提升(依赖Paddle develop或2.0.1版本)
  • 新增支持Synchronized Batch Norm
  • 新增支持Modulated Deformable Convolution

• 预测部署：

  • 发布动态图python、C++、Serving部署解决方案及文档，支持Faster RCNN，Mask RCNN，YOLOv3，PP-YOLO，SSD，TTFNet，FCOS，SOLOv2等系列模型预测部署
  • 动态图预测部署支持TensorRT模式FP32，FP16推理加速

• 检测模型压缩：

  • 裁剪：新增动态图裁剪支持，并发布YOLOv3-MobileNetV1裁剪模型
  • 量化：新增动态图量化支持，并发布YOLOv3-MobileNetV1和YOLOv3-MobileNetV3量化模型

• 文档：

  • 新增动态图入门教程文档：包含安装说明，快速开始，准备数据，训练/评估/预测流程文档
  • 新增动态图进阶教程文档：包含模型压缩、推理部署文档
  • 新增动态图模型库文档

Release version v0.1.0