mmdetection 更新日志

mmdetection

作者|open-mmlab
编译|Flin
来源|Github

更新日志

v1.1.0 (24/2/2020)

强调
– 数据集评估使用统一的api重写,评估hook和测试脚本均使用该API。
– 支持新方法：CARAFE。(https://arxiv.org/abs/1905.02188).

重大变化

• 新的MMDDP继承自官方DDP,因此__init__api更改为与官方DDP相同。
• mask_headHTC配置文件中的字段已修改。
• 评估和测试脚本已更新。
• 在所有转换中,实例掩码都存储为形状为(n,h,w)的numpy数组,而不是(h,w)数组列表,其中n是实例数。

Bug修复
– 当ignore_iof_thr > 0并且没有pred boxes时,修复IOU分配器。(#2135)
– 当没有忽略的box时修复mAP评估。(#2116)
– 修复可变形RoI池的空RoI输入。(#2099)
– 修复多个工作流程的数据集设置。(#2103)
– 修正PyTorch 1.4与torch.uint8 相关的警告。(#2105)
– 在gpu：0以外的设备上修复推理演示。(#2098)
– 修复Dockerfile (#2097)
– 修复pad_val在Pad转换中未使用的错误。(#2093)
– 在没有ground truth bbox的情况下修复 albumentation transform。(#2032)

改进之处
– 使用torch代替numpy进行随机采样。(#2094)
– 迁移到MMCV v0.3中的新MMDDP实现。(#2090)
– 在日志中添加元信息。(#2086)
– 用pytorch扩展名重写Soft NMS,并删除cython作为依赖项。(#2056)
– 重写数据集评估。(#2042,#2087,#2114,#2128)
– 将numpy数组用于转换中的masks。(#2030)

新的功能
– 实施”CARAFE：功能的内容感知重组”。(#1583)
– worker_init_fn()设置种子后,添加到data_loader中。(#2066,#2111)
– 添加日志记录实用程序。(#2035)

v1.0.0 (30/1/2020)

此版本主要提高了代码质量并添加了更多文档字符串。

强调
– 文档现在在线: https://mmdetection.readthedocs.io.
– 支持新模型: https://arxiv.org/abs/1912.02424.
– DCN现在可与apibuild_conv_layer和ConvModule一起使用，就像普通的conv层一样。
– 可以使用收集环境信息的工具来排除故障。

Bug修复
– 复最新的numpy和pycocotools的不兼容问题。(#2024)
– 修复分布式软件包不可用(例如在Windows上)时的情况。(#1985)
– 解决refine_bboxes()的尺寸问题。(#1962)
– 当seg_prefix是一个列表时修正拼写错误。(#1906)
– 将细分地图裁剪添加到RandomCrop。(#1880)
– 修正ga_shape_target_single()的返回值。(#1853)
– 修复空提案的加载形状。(#1819)
– 修复使用唱片化时的遮罩数据类型。(#1818)

改进之处
– 增强AssignResult和SamplingResult。(#1995)
– 添加了覆盖注册表中现有模块的功能。(#1982)
– 重新组织需求,并使白化和图像损坏为可选。(#1969)
– 在SSDHead中检查NaN 。(#1935)
– 将ResNe(X)t中的DCN封装到ConvModule和Conv_layers中。(#1894)
– 重构以进行mAP评估并支持多处理和日志记录。(#1889)
– 在构造Runner来记录更多信息之前,请初始化root记录器。(#1865)
– 将SegResizeFlipPadRescale拆分成不同的现有的转换。(#1852)
– init_dist()移至MMCV。(#1851)
– 文档和文档字符串的改进。(#1971,#1938,#1869,#1838)
– 修复用于遮罩可视化的同一类的颜色。(#1834)
– 删除HTC的keep_all_stages和Cascade R-CNN中的选项。(#1806)

新的功能
– 添加两个测试时间选项crop_mask和rle_mask_encode用于mask heads。(#2013)
– 支持将灰度图像加载为单通道。(#1975)
– 实施”通过自适应训练样本选择弥合基于锚的检测与无锚检测之间的差距”。(#1872)
– 添加sphinx生成的文档。(#1859,#1864)
– 添加GN对触发器计算的支持。(#1850)
– 收集环境信息以解决问题。(#1812)

v1.0rc1 (13/12/2019)

RC1版本主要致力于改善用户体验和修复错误。

强调
– 支持新模型：FoveaBox(https://arxiv.org/abs/1904.03797),RepPoints(https://arxiv.org/abs/1904.11490)和FreeAnchor(https://arxiv.org /abs/1909.02466)。
– 添加Dockerfile。
– 添加jupyter notebook演示和网络摄像头演示。
– 设置代码样式和CI。
– 添加大量文档字符串和单元测试。
– 修正了许多错误。

重大变化
– 621引入了一个错误,用于计算带有不同比例(AP_s,AP_m,AP_1)的COCO样式的mAP。(#1679)

Bug修复
– 修复了Libra R-CNN中的采样间隔错误。(#1800)
– 固定SSD300 WIDER FACE中的学习速度。(#1781)
– 解决时的缩放问题keep_ratio=False。(#1730)
– 修正错别字。(#1721,#1492,#1242,#1108,#1107)
– 修正中的shuffle参数build_dataloader。(#1693)
– 在计算mask targets时剪辑proposal。(#1688)
– 修复某些情况下采样器的”索引超出范围”错误。(#1610,#1404)
– 修复GPU：0以外的设备上的NMS问题。(#1603)
– 修复CPU上的SSD磁头和GHM丢失。(#1578)
– 修复gt bbox过多时的OOM错误。(#1575)
– 修复nms_cfgHTC中错误的关键字参数。(#1573)
– Expand和MinIoUCrop转换中的过程掩码和语义分段。(#1550,#1361)
– 修复了非本地操作中的缩放错误。(#1528)
– 修复了当gt_bboxes_ignore是None 时转换中的错误。(#1498)
– 修复”img_prefix” 是None时的错误。(#1497)
– 将设备参数传递给grid_anchors和valid_flags。(#1478)
– 修复数据管道以获取test_robustness。(#1476)
– 修复可变形池的参数类型。(#1390)
– 只有两个类时,请修复coco_eval。(#1376)
– 修复当distableable_group> 1时在Modified DeformableConv中的错误。(#1359)
– 修复RandomCrop中的蒙版裁剪。(#1333)
– 当不在cuda：0上运行时,在DeformConv中修复零输出。(#1326)
– 解决扩展中的类型问题。(#1288)
– 修复推理API。(#1255)
– 在扩展中修复就位操作。(#1249)
– 修复从头开始的训练配置。(#1196)
– 修复导致PyTorch 1.2中出现错误的内置加载项RoIExtractor。(#1160)
– 当输入图像没有正样本时修复FCOS。(#1136)
– 修复递归导入。(#1099)

改进之处
– 在日志中打印配置文件和mmdet版本。(#1721)
– 在travis CI中编译之前先对代码进行整理。(#1715)
– 为Expand变换添加一个概率参数。(#1651)
– 在docker文件中更新PyTorch和CUDA版本。(#1615)
– 在非分布式训练中指定”–validate”时,发出警告。(#1624,#1651)
– 美化mAP打印。(#1614)
– 添加预提交hook。(#1536)
– 将参数”in_channels”添加到主干。(#1475)
– 感谢@Erotemic(https://github.com/Erotemic), 添加了大量文档字符串和单元测试。(#1603,#1517,#1506,#1505,#1491,#1479,#1477,#1475,#1474)
– 当没有共享存储时,添加对多节点分布式测试的支持。(#1399)
– 优化Dockerfile以减小图像大小。(#1306)
– 更新HRNet的新结果。(#1284,#1182)
– 在FPN中添加参数”no_norm_on_lateral”。(#1240)
– 在CI中测试编译。(#1235)
– 将文档移至单独的文件夹。(#1233)
– 添加Jupyter notebook演示。(#1158)
– 支持不同类型的数据集进行训练。(#1133)
– 在inda内核中使用int64_t而不是long。(#1131)
– 支持bbox和遮罩头的非方形RoI。(#1128)
– 手动添加类型升级以使其与PyTorch 1.2兼容。(#1114)
– 允许验证数据集计算验证损失。(#1093)
– 使用.scalar_type()而不是.type()来禁止显示某些警告。(#1070)

新的功能
– 添加选项--with_ap以计算每个类的AP。(#1549)
– 实施”FreeAnchor：学习为视觉对象检测匹配Anchor”。(#1391)
– 支持Albumentations(https://github.com/albumentations-team/albumentations) 增强数据管道。(#1354)
– 实现”FoveaBox：超越基于Anchor的对象检测器”。(#1339)
– 支持水平和垂直翻转。(#1273,#1115)
– 实现”RepPoints：用于对象检测的点集表示”。(#1265)
– 在HTC和Cascade R-CNN中增加测试时间。(#1251)
– 添加COCO结果分析工具。(#1228)
– 添加Dockerfile。(#1168)
– 添加网络摄像头演示。(#1155,#1150)
– 添加FLOPs计数器。(#1127)
– 允许ConvModule的任意层顺序。(#1078)

v1.0rc0 (27/07/2019)

• 实施许多新方法和组件(混合精度训练,HTC,Libra R-CNN,引导锚定,经验注意力,Mask评分R-CNN,网格R-CNN(Plus),GHM,GCNet,FCOS,HRNet,权重标准化等)。感谢所有合作者！
• 支持另外两个数据集：WIDER FACE和Cityscapes。
• 损失API的重构,使其更灵活地采用不同的损失和相关的超参数。
• 加速多GPU测试。
• 将所有编译和安装集成在一个脚本中。

v0.6.0 (14/04/2019)

• 与model zoo 相比,加速高达30％。
• 支持PyTorch稳定版和夜间版本。
• 用Pytorch CUDA扩展替换NMS和SigmoidFocalLoss。

v0.6rc0(06/02/2019)

• 迁移到PyTorch 1.0。

v0.5.7 (06/02/2019)

• 添加对可变形ConvNet v2的支持。(非常感谢作者和@chengdazhi(https://github.com/chengdazhi))
• 这是基于PyTorch 0.4.1的最新版本。

v0.5.6 (17/01/2019)

• 添加对组规范化的支持。
• 使用AnchorHead统一RPNHead和单级头(RetinaHead,SSDHead)。

v0.5.5 (22/12/2018)

• 添加用于COCO和PASCAL VOC的SSD。
• 添加ResNeXt主干和检测模型。
• 重构采样器/分配器并添加OHEM。
• 添加VOC数据集和评估脚本。

v0.5.4 (27/11/2018)

• 添加SingleStageDetector和RetinaNet。

v0.5.3 (26/11/2018)

• 添加Cascade R-CNN和Cascade Mask R-CNN。
• 在配置文件中添加对Soft-NMS的支持。

v0.5.2 (21/10/2018)

• 添加对自定义数据集的支持。
• 添加脚本以将PASCAL VOC注释转换为预期格式。

v0.5.1 (20/10/2018)

• 添加BBoxAssigner和BBoxSampler,将train_cfg重新配置配置文件中的字段。
• ConvFCRoIHead/SharedFCRoIHead被重命名为ConvFCBBoxHead/ SharedFCBBoxHead以保持一致性。

• ConvFCRoIHead / SharedFCRoIHead 被重命名为 ConvFCBBoxHead / SharedFCBBoxHead 以保持一致性。

原文链接：https://mmdetection.readthedocs.io/en/latest/CHANGELOG.html

未经允许不得转载，请联系zhouas@hotmail.com获取授权：目标检测 » mmdetection 更新日志