![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
行人重识别
Jane_JU
这个作者很懒,什么都没留下…
展开
-
ReID环境准备
表征学习代码实现其最经典的网络是IDENet,度量学习:triple loss,ReID的半壁江山。分类问题,分类行人的ID。分类损失也叫ID损失,只有ID损失的网络称为ID Embeding网络(IDE网络)。训练集中行人的ID数为网络的类别数。特征层后接一个分类FC,经过Softmax激活函数计算交叉熵损失。测试阶段使用倒数第二层的特征向量进行检索,分类FC层丢失。数据集准备Market1501"bounding_box_test"有19732张图片。"bounding_bo原创 2022-02-27 15:39:23 · 211 阅读 · 0 评论 -
transform: 数据预处理的代码,可以自定义数据增广
from __future__ import absolute_importimport torchimport torchvisionfrom torch import nnfrom torch.nn import functional as Ffrom IPython import embedclass ResNet50(nn.Module): def __init__(self, num_classes, loss={'softmax, metric'}, **kwargs):原创 2022-01-04 20:14:48 · 133 阅读 · 0 评论 -
transform:数据预处理代码,可以自定义数据增广等
from __future__ import absolute_importfrom torchvision.transforms import *from PIL import Imageimport randomimport numpy as npclass Random2DTranslation(object): """ With a probability, first increase image size to (1 + 1/8), and then perform原创 2022-01-02 20:50:32 · 1484 阅读 · 0 评论 -
data-manager:自动处理数据集,返回数据集的一些常用属性
from __future__ import print_function, absolute_importimport osimport globimport reimport sysimport urllibimport tarfileimport zipfileimport os.path as ospfrom scipy.io import loadmatimport numpy as npimport h5pyfrom scipy.misc import imsavef原创 2022-01-02 19:57:34 · 268 阅读 · 0 评论 -
dataset-loader吐数据的dataloader
from __future__ import print_function, absolute_importimport osfrom PIL import Imageimport numpy as npimport os.path as ospimport torchfrom torch.utils.data import Datasetdef read_image(img_path): """Keep reading image until succeed. This原创 2022-01-02 19:11:19 · 867 阅读 · 0 评论 -
全局特征和局部特征
全局特征是指对每一张行人图片的全局信息进行一个特征抽取,这个全局特征没有任何的空间信息。缺点:噪声区域会对全局特征造成极大的干扰(背景杂波)。姿态的不对齐造成信息不对齐,也会使得全局特征无法匹配。为了解决这个问题,我们提出了局部特征。局部特征就是对图像的某一区域进行特征提取,最后将多个局部特征融合起来作为最终特征。常用方法:切片,姿态,分割,网络切片:水平切片,从上到下,对每一个切片块进行特征提取姿态:利用姿态估计模型,把每个姿态估计出来,对关键姿态点进行特征提取分割:把人或某个区域分割出原创 2021-12-09 02:01:57 · 8303 阅读 · 1 评论