mmdetection 中文文档五（由原英文文档翻译）

五、变更日志
（一）V1.0rcl(13/12/2019)
RC1版本更新主要集中在提升用户体验和修复了部分漏洞。
亮点：
1.支持新的模型：FoveaBox, RepPoints和 FreeAnchor.
2.增加了一个Dockerfile
3.增加了jupyter notebook demo和一个网络摄像头demo
4.设置了代码风格和持续集成（CI）
5.增加了许多文档字符串和单元测试。
6.修复了许多漏洞
（二）重要的修改
修复了计算不同尺度的COCO风格mAP的一个漏洞，我们在#621. (#1679)中进行了介绍。
（三）漏洞修复
1.修复了Libra R-CNN内部采样漏洞。
2.修复了SSD300 WIDER FACE的学习率问题。
3.当keep_ratio=False时修复了缩放问题。
4.修复了排版错误。
5.在build_dataloader中修复了随机参数。
6.当计算mask targets时修改了它的选项。
7.修改了采样器在一些极端情况下的“index out of range”漏洞
8.修改了NMS在除了GPU:0以外的设备上的问题。
9.修改了CPU上SSD Head和GHM损失。
10.修改了当有太多gt bboxes时的OOM错误。
11.修改了HTC中关键字参数nms_cfg的错误。
12. Expand 和 MinIoUCrop转换中的过程掩码和语义分割。
13.修复了Non Local op的尺寸漏洞
14.修复了当gt_bboxes_ignore为None时的转换漏洞。
15.修复了img_prefix 为None时的漏洞。
16. 通过了grid_anchors 和 valid_flags两个设备参数。
17.修复了测试健壮性的数据管道。
18.修复了可变形池的参数类型。
19.修复了当只有两个类时的coco_eval。
20.修复了可变组大于1时在Modulated DeformableConv中的漏洞。
21.修复了RandomCrop中的遮罩剪裁。
22.修复了当没有在cuda:0上运行时，DeformConv的零输出错误。
23.修复了Expand中的类型问题。
24.修复了API接口使用问题。
25.修复了再Expand中的本地操作问题。
26.修复了从头开始训练的配置文件问题。
27.修复了PyTorch 1.2出现的在RoIExtractor中本地添加问题。
28.修复了输入图像没有正样品时的FCOS问题。
29.修复了递归导入的问题。
（四）改进
1.在日志中输出了配置文件和mmdet的版本。
2.在编译持续集成改进前修改代码。
3.为Expand转换增加了可能的参数。
4.在docker文件中更新了PyTorch和CUDA的版本。
5.在非分布式训练中明确—validate时提出了警告。(#1624, #1651)
6.美化了mAP输出。
7.增加了预提交钩子。
8.在backbones中增加了in_channels参数。
9.增加了大量的文档字符串和单元测试。感谢@Erotemic. (#1603, #1517, #1506, #1505, #1491, #1479, #1477, #1475, #1474)。
10.当没有共享的内存时，增加了多节点分发测试。
11.最优化的Dockfile减小了图像尺寸。
12.高兴了HRNet的最新成果。
13.在FPN中增加了no_norm_on_lateral参数。
14.测试了持续集成编译。
15.将文档放在单独的文件夹下。
16.增加了一个jupyter notebook例子。
17.支持不同类型数据集的训练。
18.在CUDA核心使用int64_t来取代long。
19.bbox和mask heads增加支持非长方形的ROIS。
20.手动添加类型升级来适应PyTorch 1.2版本。
21.允许使用验证数据集来计算验证数据的损失。
22.使用.scalar_type()代替.type()，以降低一些告警。
（五）新特性
1.增加了–with_ap操作来计算每个类型的AP。(#1549)
2.实现了“FreeAnchor: Learning to Match Anchors for Visual Object Detection” (#1391)
3.在数据管道中支持Albumentations增强。
4.实现了“FoveaBox: Beyond Anchor-based Object Detector” (#1339)
5.支持垂直和水平翻转。
6.实现了“RepPoints: Point Set Representation for Object Detection” (#1265)
7.为HTC 和Cascade R-CNN增加了测试时间增强。
8.增加了COCO结果分析工具。
9.增加了Dockerfile。
10.涨价了网络摄像头例子。
11.涨价了FLOPS容器。
12. ConvModule允许任意层顺序。

（二）v1.0rc0(27/07/2019)
1.实现了很多新的方法和组件（比如：Mixed Precision Training, HTC, Libra R-CNN, Guided Anchoring, Empirical Attention, Mask Scoring R-CNN, Grid R-CNN (Plus), GHM, GCNet, FCOS, HRNet, Weight Standardization）感谢合作者。
2.支持两个新增的数据集：WIDER FACE 和 Cityscapes
3.重构了loss APIS，使它更具弹性以适应不同的losses，以及相关的hyper-parameters。
4.加速了多gpu测试。
5.在一个脚本中整合了所有的编译和安装。

后面还有更老的版本更新日志，这里就不翻译了，用的较少。