聿默的博客

先说下目的吧，看图像检索相关的损失函数时，这个损失函数应该算是绕不开的前人工程。所以这里针对看到的一些文章，也做做自己的相关总结。主要是关于源码的学习啦。文章参考链接：1.https://zhuanlan.zhihu.com/p/72516633（这个更易懂）2.https://zhuanlan.zhihu.com/p/82199561代码参考链接：1.https://github.com/wangz10/contrastive_loss/blob/97b6166e41eef8ea081

1.环境准备ubuntu16.04cuda10.12.准备预训练模型1）bn_inception-52deb4733.pth2) resnet50-19c8e357.pth3）将其放到~/.cache/torch/checkpoints/目录下4）修改ret_benchmark/config/model_path.py中的目录：from yacs.config import CfgNode as CNMODEL_PATH = { 'bnincept..

0.环境# yolov5的环境 + onnxonnx==1.9.0 # openvino的环境openvino_2021.3.3941.转onnxtorch.onnx.export2.转openvino命令参考：https://github.com/openvinotoolkit/open_model_zoo/blob/master/models/public/resnet-50-pytorch/model.ymlpython3 /opt/intel/openvino/

行人重识别部署时，会收到一个未见过的场景的影响。最近有大量的工作都是针对这种跨域自适应的行人重识别研究。但是每当应用于一个场景时，就需要收集相应场景的数据，导致行人重识别的应用有一些阻碍...

先说下我为什么要看这篇，最近打开market1501 paper with code，发现这篇文章排名第一，rank1 98.3%。这个分数也太高了吧。看了下，居然没有rerank？惊到我了，没有rerank这么高，最近做这么多知识蒸馏，我是浪费时间了吗？博主也还没有看完这部分。有兴趣可以一起来看看。1.论文阅读（待补充）论文名称：On the Unreasonable Effectiveness of Centroids in Image Retrieval论文地址：https://arxiv

代码参考：https://github.com/heshuting555/TransReID论文参考：https://arxiv.org/abs/2102.043781.环境ubuntu16.04python3.6cuda110torch==1.7.0+cu110torchvision==0.8.0timmyacsopencv-python==4.1.0.252.模型准备https://www.kaggle.com/abhinand05/vit-base-models

0环境ubuntu16.04cuda9.0python3.6torch==1.1.0torchvision==0.3.0Cythonyacstensorboardfuturetermcolorsklearntqdmopencv-python==4.1.0.25matplotlibscikit-imagefaiss-gpu==1.6.3tabulategdown'ray[tune]'hpbandsterConfigSpacehyperoptraydatacl

参考代码：https://github.com/JDAI-CV/fast-reid/tree/v1.0.00.环境ubuntu16.04cuda9.0python3.6torch==1.1.0torchvision==0.3.0Cythonyacstensorboardfuturetermcolorsklearntqdmopencv-python==4.1.0.25matplotlibscikit-imagenumpy==1.16.41.准备数据参考.

参考代码：https://github.com/JDAI-CV/fast-reid0.环境ubuntu16.04cuda9.0python3.6torch==1.1.0torchvision==0.3.0Cythonyacstensorboardfuturetermcolorsklearntqdmopencv-python==4.1.0.25matplotlibscikit-imagenumpy==1.16.4安装apex（不要直接通过pip安装）：gi

参考：https://github.com/JDAI-CV/fast-reid/issues/325https://github.com/JDAI-CV/fast-reid/commit/7e9a4775da68625895c04e5cae663f1b2f85d8110.环境ubuntu16.04cuda9.0python3.6torch==1.1.0torchvision==0.3.0Cythonyacstensorboardfuturetermcolorskle

1.问题之前的时候已经配置好了fast-reid的环境，隔了以后再次运行这个，发现出现缓存不足的问题：File "/usr/local/lib/python3.6/dist-packages/torch/multiprocessing/reductions.py", line 315, in reduce_storage fd, size = storage._share_fd_()RuntimeError: unable to write to file </torch_2745

0.疑问# compute cosine distancedistmat = 1 - torch.mm(q_feat, g_feat.t())distmat = distmat.numpy()为什么此处是计算余弦距离？1.相关与理解（1）余弦距离计算（https://www.cnblogs.com/chaosimple/p/3160839.html）：（2）torch.mm() torch.mm()含义到底是什么（https://blog.csdn.net/Real_...

1.问题IndexError: invalid index to scalar variable2.解决修改/fast-reid-master/fastreid/evaluation/rank.pyline182:def evaluate_rank( distmat, q_pids, g_pids, q_camids, g_camids, max_rank=50, use_

1.参考文献1.【Person Re-ID】常用评测指标2.How_is_CMC_produced_recognition_rate_vs_Rank_for_unknown_faces3.人脸识别中的rank-n 代表的意思4.余弦距离、欧氏距离和杰卡德相似性度量的对比分析 一定要先看第一篇（写得更加清晰），第二篇举了更多例子（可以加深理解）。...

1.解释1*feature_query.shape[0]矩阵与feature_query.shape[0]*m矩阵做矩阵的乘法，得到1*m的矩阵就是计算的feature_query与feature_gallery的m个特征计算的cosine距离。为什么呢，因为feature_query与feature_gallery已经做了归一化了。可以在工程中查询norm就能找到了。上图来自（余弦距离、欧氏距离和杰卡德相似性度量的对比分析）import torch distmat = torc...

https://github.com/JDAI-CV/fast-reid0.环境ubuntu16.04torch==1.2.0torchvision==0.4.0Cythonyacstensorboard

由于想继续使用pytorch1.1.0，所以可能会涉及到一些pytorch相关的修改，会注明。0.环境ubuntu16.04cuda9.0python3.6torch==1.1.0torchvision==0.3.0Cythonyacstensorboardfuturetermcolorsklearntqdmopencv-python==4.1.0.25matplotlibscikit-imagegdown1.下载对应版本的fast-reidhttps://

0.环境ubuntu16.04python3.6cuda9.0torch==1.1.0torchvision==0.3.0numpyCythonh5pyPillowsixscipyopencv-pythonmatplotlibtb-nightlyfutureyacsgdownflake8yapfisort==4.3.21imageio下载：git clone https://github.com/KaiyangZhou/deep-person-reid

Camstyle，是一个与reid解耦的数据增广方法，主要用于缓解相机偏差。其实这个代码有较为详细的过程，记下只为后面更容易上手。https://github.com/zhunzhong07/CamStyle0.环境ubuntu16.04cuda9.0python3.6torch=1.1.0torchvision==0.3.0visdomDominate1.准备数据将market1501数据复制到CycleGAN-for-CamStyle/datasets目录下，并改名为m

https://github.com/JDAI-CV/fast-reid0.环境ubuntu16.04cuda9.0python3.6torch==1.1.0torchvision==0.3.0Cythonyacstensorboardfuturetermcolorsklearntqdmopencv-python==4.1.0.25matplotlibscikit-imagefaiss-gpu==1.6.3tabulategdown1.多次使用多GPU出现错.

参考：fast-reid（HAA）from fastreid.modeling import losses as Lossloss = getattr(Loss, cfg.MODEL.LOSSES.NAME[0])(cfg)(pred_class_logits, global_features, gt_classes)1.getattr内部参数Python getattr() 函数：getattr() 函数用于返回一个对象属性值。解析Loss与对应的cfg文件中：from fas.