Releases: ModelTC/United-Perception
Releases · ModelTC/United-Perception
v0.3.0
Breaking Changes
^^^^^^^^^^^^^^^^
- 修改了custom_evaluator中get_miss_rate方法的参数配置，使得能够在其内部计算不同fppi阈值下的ap值。传入时应增加drec与prec，返回值增加fppi_ap
Highlights
^^^^^^^^^^
-
算法类型：
* 【目标检测】
* 支持YOLOV6、OneNet （nms-free）、OTA 等算法
* 支持重参数化算法RepVgg 版本resnet -
通用特性
* 【大模型训练推理】
* 动态Checkpoint 算法支持：动态的选择最优的checkpoint 模块进行更快速的模型训练
* 超大规模训练list 推理支持：解决了内存溢出的问题、支持断点resume 功能
* 【神经网络搜索】
* 支持BigNas 系列模型搜索功能，配合lantency 测速功能可以选取最优的网络结构
* 支持基于强化学习的模型搜索方法 Meta-X
Other Features
^^^^^^^^^^^^^^
- 支持类别数为1时的3d检测及det_3d 任务的部署
- 支持检测标注漏标检查
- 支持group evaluator，更好处理密集目标的数据集问题
- 支持video inference功能
- 新增inference中分类和分割任务结果可视化的功能
- 支持key_replace的weapper方式
- 新增list_balance及class_balance的sampler方式
- 新增eval中metric可以指定compare key的功能
- 支持忽略指定类别的情况下进行bad case analysis
- RetinaNet添加share_location, class_first字段，支持每个类的独立回归 （仅支持推理）
- 新增custom dataset和rank custom dataset的test resume
- 支持在resnet中指定池化层以及out_channel宽度
- 新增分类后处理量化功能
- 支持获取clsdataset中每种类别所包含样本的id及各类别样本数目的方法
- 提供build前后内存使用信息
- 支持计算clseval中平均f1/acc/prec
- 支持MR eval区分目标size进行评测
- 支持grad_cam及特征图可视化
- 部署生成meta.json添加model_name信息
- 支持样本标签合理性判断，支持样本漏标可能性的判断
- 支持内存监测相关hook
- 支持根据file list及file folder直接进行推理的功能
- 支持在cfg中指定latest save freq
Bug Fixes
^^^^^^^^^
- 修复了配置文件中data_pool指定为空列表时引起的bug
- 修改分类任务中存储结果，可以选择性存储所有score
- 修复resnet中freeze layer在参数freeze后mode仍为training的bug
- 修复typos错误
- 修复了cfg中pretrain_model加载了错误参数的bug
- 修复了saver中拷贝文件及存储ckpt时目标路径存在文件而引起的bug
- 修复了multitast在eval阶段仍使用sysn bn的bug
- 修复了ckpt中ema值为空时load失败的bug
- 修复了swin_trans cfg文件中lr_scheduler层级错误的bug
- 修复了分类任务中因存储数据变化而引起bad case analysys不适配的bug
- 修复了vis hook 文档和实际参数不匹配的问题
- 修复了semantic_fpn在inference仍计算loss的bug
- 修复了test_resume中done_imgs变量调用错误的bug
- 修复了retinenet iou分支转模型的bug
- 修复了QuantRunner类calibrate方法中错误track梯度的问题
- 修复了inference时读取ckpt时不适配的bug
- 修复了配置文件中train和test使用不同dataloader引起的inference中不适配bug
- 修复了ceph reader读取以‘/’开头的文件时join失败的bug
- 修复了roi_head中conv前后inplane不适配的bug
- 修复了label_mapping为none时image_source获取错误的bug
- 修复了launch为mpi时报错的bug
v0.2.0
发布历史/Release History
v0.2.0
Breaking Changes
^^^^^^^^^^^^^^^^
- 本次重构了检测二阶段的结构组成，为了更加方便的进行量化和稀疏训练, 具体可以参考cfg。
Highlights
^^^^^^^^^^
-
算法类型：
- 【3D算法】支持3D Point-Pillar 系列算法, 包含Pointpillar,Second, CenterPoint 等各个算法
3D benchmark <https://github.com/ModelTC/United-Perception/tree/main/benchmark/3d_detection_benchmark.md>_ - 【语义分割】支持分割任务最新Sota 算法，Segformer，HrNet 系列，提供超高精度Baseline
Seg benchmark <https://github.com/ModelTC/United-Perception/tree/main/benchmark/semantic_benchmark.md>_ - 【目标检测】支持最新检测蒸馏算法，大幅度提升模型的精度 benchmark
Det benchmark https://github.com/ModelTC/United-Perception/tree/main/benchmark/distillation.md>_
- 【3D算法】支持3D Point-Pillar 系列算法, 包含Pointpillar,Second, CenterPoint 等各个算法
-
通用特性：
- 【Transformer结构】支持Vision Transformer 系列，包含 Swin-Transformer, VIT，CSWin Transformer
Cls benchmark <https://github.com/ModelTC/United-Perception/tree/main/benchmark/classification_benchmark.md>_ - 【量化与稀疏】支持Amba、Ampere 检测分类稀疏训练；支持TensorRT、Snpe 、VITIS 等多个后端进行QAT量化，同时支持检测一阶段和二阶段算法
Quant benchmark <https://github.com/ModelTC/United-Perception/tree/main/benchmark/quant_benchmark.md>_ - 【自监督算法】支持自监督算法, MOCO 系列、SimClr 系列、simsiam、MAE
SSL benchmark <https://github.com/ModelTC/United-Perception/tree/main/benchmark/ssl_benchmark.md>_
- 【Transformer结构】支持Vision Transformer 系列，包含 Swin-Transformer, VIT，CSWin Transformer
-
易用工具：
- 【大数据集训练】超大规模数据集训练和测试支持，Rank dataset 扩展到其他任务，同时支持多种模式进行内存友好推理。
- 【其他】英文文档支持
Other Features
^^^^^^^^^^^^^^
- Condinst FCOS 添加
- 支持通过环境变量进行任务隔离
- 分类任务添加多标签支持和多分类支持
- 支持多个单独测试集eval功能
- RankDataset 重构支持分类检测等各个任务，支持推理时使用
- 大规模数据集推理内存优化
- 提供每个 iteration 耗时统计的分解(数据加载/前处理/forward/backward/梯度allreuce)信息
- 检测支持softer nms
Bug Fixes
^^^^^^^^^
- 修复stitch_expand 的没有被注册的bug
- 修复typos 错误
- 修复spconv，numba 引入的显存bug
- 修复各种日志debug 信息输出的bug
- 修复swin和cswin修改尺寸的bug，以进行检测
- 修复condinst中return_pos_inds为True时base_multicls roi_predictor的错误
- 修复推理时加载模型不导入ema的bug
- 修复swin导出不同阶段特征时out_planes不匹配的bug
- 修复cls_dataset meta file 有空格会有问题的bug
- 修复了fp16 grad clipping 的bug
- 修复了推理时有syncbn 报错的bug
- 修复了单卡测试没有finalize的bug
- 修复了dist 后端出现的一些不适配的bug
- 修复了torch_sigmoid_focal_loss设置不同类别alpha的bug
- 支持kitti evaluator自动保存性能最优的模型
- 修复了损失函数不包含模块前缀的bug
- 修复了gdbp测速不支持多batch size输入的bug
- 修复了time logger读取环境变量的bug