update README (#2146)

* update README

README_cn.md

@@ -15,6 +15,7 @@ PaddleDetection模块化地实现了多种主流目标检测算法，提供了
 </div>
 
 ### 产品动态
+- 2021.02.07: 发布release/2.0-beta1版本，PaddleDetection动态图试用版本，详情参考[PaddleDetection动态图](dygraph)。
 - 2020.11.20: 发布release/0.5版本,详情请参考[版本更新文档](docs/CHANGELOG.md)。
 - 2020.11.10: 添加实例分割模型[SOLOv2](configs/solov2)，在Tesla V100上达到38.6 FPS, COCO-val数据集上mask ap达到38.8，预测速度提高24%，mAP提高2.4个百分点。
 - 2020.10.30: PP-YOLO支持矩形图像输入，并新增PACT模型量化策略。

dygraph/README.md

 # PaddleDetection
 
-动态图版本的PaddleDetection, 此版本为试用版本，还在持续优化设计、性能、新增模型、文档等。
+**注意：** PaddleDetection动态图版本为试用版本，模型广度、模型性能、文档、易用性和兼容性持续优化中，性能数据待发布。
 
 
-支持的模型:
+# 简介
 
-- Faster-RCNN (FPN)
-- Mask-RCNN (FPN)
-- Cascade RCNN
-- YOLOv3
-- SSD
-- FCOS
-- SOLOv2
-- PP-YOLO
-- TTFNet
+PaddleDetection飞桨目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。
 
-扩展特性：
+PaddleDetection模块化地实现了多种主流目标检测算法，提供了丰富的数据增强策略、网络模块组件（如骨干网络）、损失函数等，并集成了模型压缩和跨平台高性能部署能力。
+
+经过长时间产业实践打磨，PaddleDetection已拥有顺畅、卓越的使用体验，被工业质检、遥感图像检测、无人巡检、新零售、互联网、科研等十多个行业的开发者广泛应用。
+
+### 套件结构概览
+
+<table>
+  <tbody>
+    <tr align="center" valign="bottom">
+      <td>
+        <b>Architectures</b>
+      </td>
+      <td>
+        <b>Backbones</b>
+      </td>
+      <td>
+        <b>Components</b>
+      </td>
+      <td>
+        <b>Data Augmentation</b>
+      </td>
+    </tr>
+    <tr valign="top">
+      <td>
+        <ul><li><b>Two-Stage Detection</b></li>
+          <ul>
+            <li>Faster RCNN</li>
+            <li>FPN</li>
+            <li>Cascade-RCNN</li>
+            <li>PSS-Det RCNN</li>
+          </ul>
+        </ul>
+        <ul><li><b>One-Stage Detection</b></li>
+          <ul>
+            <li>YOLOv3</li>
+            <li>PP-YOLO</li>
+            <li>SSD</li>
+          </ul>
+        </ul>
+        <ul><li><b>Anchor Free</b></li>
+          <ul>
+            <li>FCOS</li>  
+            <li>TTFNet</li>
+          </ul>
+        </ul>
+        <ul>
+          <li><b>Instance Segmentation</b></li>
+            <ul>
+             <li>Mask RCNN</li>
+             <li>SOLOv2</li>
+            </ul>
+        </ul>
+        <ul>
+          <li><b>Face-Detction</b></li>
+            <ul>
+             <li>BlazeFace</li>
+            </ul>
+        </ul>
+      </td>
+      <td>
+        <ul>
+          <li>ResNet(&vd)</li>
+          <li>HRNet</li>
+          <li>DarkNet</li>
+          <li>VGG</li>
+          <li>MobileNetv1/v3</li>  
+        </ul>
+      </td>
+      <td>
+        <ul><li><b>Common</b></li>
+          <ul>
+            <li>Sync-BN</li>
+            <li>DCNv2</li>
+          </ul>  
+        </ul>
+        <ul><li><b>Loss</b></li>
+          <ul>
+            <li>Smooth-L1 Loss</li>
+            <li>IoU Loss</li>  
+            <li>IoU Aware Loss</li>
+          </ul>  
+        </ul>  
+        <ul><li><b>Post-processing</b></li>
+          <ul>
+            <li>SoftNMS</li>
+            <li>MatrixNMS</li>  
+          </ul>  
+        </ul>
+      </td>
+      <td>
+        <ul>
+          <li>Resize</li>  
+          <li>Flipping</li>  
+          <li>Expand</li>
+          <li>Crop</li>
+          <li>Color Distort</li>  
+          <li>Random Erasing</li>  
+          <li>Mixup </li>
+          <li>Cutmix </li>
+          <li>Grid Mask</li>
+          <li>Auto Augment</li>  
+        </ul>  
+      </td>  
+    </tr>
+
+</td>
+    </tr>
+  </tbody>
+</table>
+
+
+### 扩展特性
 
 - [√] **Synchronized Batch Norm**
 - [√] **Modulated Deformable Convolution**
@@ -27,13 +130,26 @@
 ### 教程
 
 - [安装说明](docs/tutorials/INSTALL_cn.md)
+- [快速开始](docs/tutorials/QUICK_START_cn.md)
+- [如何准备数据](docs/tutorials/PrepareDataSet.md)
 - [训练/评估/预测流程](docs/tutorials/GETTING_STARTED_cn.md)
-- [常见问题汇总](docs/FAQ.md)
 - [推理部署](deploy)
-    - [模型导出教程](docs/advanced_tutorials/deploy/EXPORT_MODEL.md)
+    - [模型导出教程](deploy/EXPORT_MODEL.md)
     - [Python端推理部署](deploy/python)
     - [C++端推理部署](deploy/cpp)
-    - [推理Benchmark](docs/advanced_tutorials/deploy/BENCHMARK_INFER_cn.md)
+    - [服务端部署](deploy/serving)
+
 
 ## 模型库
+
 - [模型库](docs/MODEL_ZOO_cn.md)
+
+
+## 许可证书
+
+本项目的发布受[Apache 2.0 license](LICENSE)许可认证。
+
+
+## 贡献代码
+
+我们非常欢迎你可以为PaddleDetection提供代码，也十分感谢你的反馈。