Paddleseg

* 丰富Deeplabv3p网络结构，新增ResNet-vd、MobileNetv3两种backbone，满足高性能与高精度场景，并提供基于Cityscapes和ImageNet的[预训练模型](./docs/model_zoo.md)4个。
* 新增高精度分割模型OCRNet，支持以HRNet作为backbone，提供基于Cityscapes的[预训练模型](https://github.com/PaddlePaddle/PaddleSeg/blob/develop/docs/model_zoo.md#cityscapes%E9%A2%84%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B)，mIoU超过80%。
* 新增proposal free的实例分割模型[Spatial Embedding](https://github.com/PaddlePaddle/PaddleSeg/tree/develop/contrib/SpatialEmbeddings)，性能与精度均超越MaskRCNN。提供了基于kitti的预训练模型。

* 全面升级HumanSeg人像分割模型，新增超轻量级人像分割模型HumanSeg-lite支持移动端实时人像分割处理，并提供基于光流的视频分割后处理提升分割流畅性。
* 新增气象遥感分割方案，支持积雪识别、云检测等气象遥感场景。
* 新增Lovasz Loss，解决数据类别不均衡问题。
* 使用VisualDL 2.0作为训练可视化工具

* 新增适用于实时场景且不需要预训练模型的分割网络Fast-SCNN，提供基于Cityscapes的预训练模型1个。
* 新增LaneNet车道线检测网络，提供预训练模型一个。
* 新增基于PaddleSlim的分割库压缩策略(量化, 蒸馏, 剪枝, 搜索)

* 新增HRNet分割网络，提供基于cityscapes和ImageNet的[预训练模型](https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.3.0/docs/model_zoo.md)8个
* 支持使用[伪彩色标签](https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.3.0/docs/data_prepare.md#%E7%81%B0%E5%BA%A6%E6%A0%87%E6%B3%A8vs%E4%BC%AA%E5%BD%A9%E8%89%B2%E6%A0%87%E6%B3%A8)进行训练/评估/预测，提升训练体验，并提供将灰度标注图转为伪彩色标注图的脚本
* 新增[学习率warmup](https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.3.0/docs/configs/solver_group.md#lr_warmup)功能，支持与不同的学习率Decay策略配合使用
* 新增图像归一化操作的GPU化功能，进一步提升预测速度。
* 新增Python部署方案，更低成本完成工业级部署。
* 新增Paddle-Lite移动端部署方案，支持人像分割模型的移动端部署。

* 新增PSPNet分割网络，提供基于COCO和cityscapes数据集的[预训练模型](https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.2.0/docs/model_zoo.md)4个
* 新增Dice Loss、BCE Loss以及组合Loss配置，支持样本不均衡场景下的[模型优化](./docs/loss_select.md)
* 支持[FP16混合精度训练](./docs/multiple_gpus_train_and_mixed_precision_train.md)以及动态Loss Scaling，在不损耗精度的情况下，训练速度提升30%+
* 支持[PaddlePaddle多卡多进程训练](./docs/multiple_gpus_train_and_mixed_precision_train.md)，多卡训练时训练速度提升15%+
* 发布基于UNet的[工业标记表盘分割模型](https://github.com/PaddlePaddle/PaddleSeg/tree/release/v0.2.0/contrib#%E5%B7%A5%E4%B8%9A%E7%94%A8%E8%A1%A8%E5%88%86%E5%89%B2)

* PaddleSeg分割库初始版本发布，包含DeepLabv3+, U-Net, ICNet三类分割模型, 其中DeepLabv3+支持Xception, MobileNet两种可调节的骨干网络。共包含[预训练模型](https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.1.0/docs/model_zoo.md)14个
* CVPR19 LIP人体部件分割比赛冠军预测模型ACE2P发布
* 基于DeepLabv3+网络的人像分割和车道线分割预测模型发布