【行人重识别】复现deep-person-reid中特征可视化

0.环境

ubuntu16.04
python3.6
cuda9.0
torch==1.1.0
torchvision==0.3.0
numpy
Cython
h5py
Pillow
six
scipy
opencv-python
matplotlib
tb-nightly
future
yacs
gdown
flake8
yapf
isort==4.3.21
imageio

下载:

git clone https://github.com/KaiyangZhou/deep-person-reid.git

 环境配置(创建虚拟环境+安装依赖包+安装torchreid):

cd deep-person-reid
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple virtualenv
virtualenv env
source ./env/bin/activate

pip  --default-time=500 install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
pip  --default-time=500 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.1.0
pip  --default-time=500 install -i https://pypi.tuna.tsinghua.edu.cn/simple torchvision==0.3.0


python setup.py develop

1.准备数据集与预训练模型

  • 5
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
抱歉,我之前的回答有误,请使用以下代码来可视化Transreid项目行人重识别检索结果: ```python import matplotlib.pyplot as plt import numpy as np # 假设reid_results是行人重识别的检索结果,每个元素包含了检索到的行人ID和相似度 reid_results = [('001', 0.9), ('002', 0.8), ('003', 0.7), ('004', 0.6), ('005', 0.5)] # 假设gallery_images是所有行人的图像数据 gallery_images = [np.random.rand(128, 64, 3) for _ in range(5)] # 创建一个2行3列的图像网格,用于显示行人图像和对应的相似度 fig, axes = plt.subplots(2, 3, figsize=(10, 6)) # 遍历检索结果,并在图像网格显示每个行人图像和相似度 for i, (person_id, similarity) in enumerate(reid_results): # 获取对应的行人图像 person_image = gallery_images[int(person_id)-1] # 这里假设行人ID是从1开始的 # 计算当前图像所在的行和列 row = i // 3 col = i % 3 # 在对应的子图显示行人图像和相似度 axes[row, col].imshow(person_image) axes[row, col].set_title(f'ID: {person_id}\nSimilarity: {similarity:.2f}') axes[row, col].axis('off') # 调整子图之间的间距和整体布局 plt.subplots_adjust(hspace=0.4) plt.tight_layout() # 显示可视化结果 plt.show() ``` 请注意,上述代码的`reid_results`是一个包含行人ID和相似度的列表,`gallery_images`是一组行人图像的列表。您可能需要根据您的实际情况进行相应的修改,例如替换成您的行人ID和相似度数据,以及行人图像数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wait a minutes

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值