零基础实战行人重识别ReID项目-基于Milvus的以图搜图

目录

第一阶段，ReID的基本概念

1.1 ReID定义

1.2 技术难点

1.3 常用数据集

1.4 评价指标

1.5 实现思路

1.6 具体方案

第二阶段：复现算法

2.1 PCB的骨干网络

2.2 PCB的流程

2.3 PCB的细节

2.4 PCB-RPP

​2.5 算法复现

第三阶段：工程化落地

3.1 业务逻辑

3.2 Milvus

3.3 以图搜图

3.4 效果展示

加入学习小组

---

零基础学习ReID，复现主流的ReID算法，并进行工程化落地。

学习目标：掌握ReID的算法原理、实现方案，动手搭建网络模型，在数据集上复现算法。

学习内容：阅读相关资料、论文、开源代码，复现算法，工程化落地。

 

如果你也在学习ReID，欢迎加入免费学习小组，加入方式见文末。

 

第一阶段，ReID的基本概念

包括 ReID的定义、常用数据集、评价指标、实现思路

推荐一个视频教程：https://edu.csdn.net/huiyiCourse/detail/788，可下载配套PPT

这个博客对视频进行了总结：https://blog.csdn.net/ctwy291314/article/details/83618646

1.1 ReID定义

全称Person Re-Identification，主要解决跨摄像头跨场景下行人的识别与检索。该技术可以作为人脸识别技术的重要补充，可以对无法获取清晰拍摄人脸的行人进行跨摄像头连续跟踪，增强数据的时空连续性。

1.2 技术难点

相机拍摄角度，图片模糊不清楚，室内室外环境变化，行人更换服装饰配，冬季夏季风格差异，白天晚上光线差异等。

1.3 常用数据集

Market1501 http://liangzheng.com.cn/Project/project_reid.html   网站挂了，联系我提供下载地址

DukeMTMC-reID https://github.com/sxzrt/DukeMTMC-reID_evaluation#download-dataset

CUHK03  http://www.ee.cuhk.edu.hk/~xgwang/CUHK_identification.html

1.4 评价指标

Rank1：首位命中率

mAP：平均精度均值

CMC：累计匹配曲线

参考：https://zhuanlan.zhihu.com/p/40514536

https://blog.csdn.net/qq_38451119/article/details/83000061

1.5 实现思路

a.检索图经过网络抽取图片特征（Feature） ；

b.底库里的所有图片全部抽取图片特征（Feature） ；

c.将检索图与地库图的特征计算距离（例如欧式距离） ；

d.根据计算距离进行排序，排序越靠前表示是相似率越高。

1.6 具体方案

方案	性能	对应论文
方案一：表征学习 基于SoftmaxLoss(分类损失)与 ContrastiveLoss(对比损失)	Rank1: 79.51% mAP: 59.87%	Z.Zheng,L.Zheng,andY.Yang. A discriminatively learned cnn embedding for person re-identification. arXiv preprint arXiv:1611.05666, 2016.
方案二