FastReID 从pytorch到caffe (一)制作自己的数据集
0. 初识ReID
- ReID,全拼为Re-identification,目的是利用各种智能算法在图像数据库中找到与要搜索的目标相似的对象。ReID是图像检索的一个子任务,本质上是图像检索而不是图像分类;
- fast-reid 是一个强悍的目标重识别Reid开源库,由京东开源管理;
- 行人重识别是目前应用较多的项目,基于对目标特征的提取,匹配不同场景下的目标,同样可以拓展到多个不同领域的重识别;
- 本例通过行人reid详细解读从数据集到模型训练再到模型移植全过程,提供一个fastreid基础操作流程;
1. Market-1501数据集
- Market-1501是用于行人重识别的大规模公共基准数据集。它包含由6个不同的摄像机捕获的1501个行人,以及32,668个行人图像边界框。数据集分为两部分:其中750人的图像用于训练,其余751人的图像用于测试。在官方测试协议中,选择3,368个查询图像作为查询集query,以在包含19,732张参考图像的gallery图像集中找到正确匹配。主要格式如下,模型训练主要用到
bounding_box_test
、bounding_box_train
和query
这三个文件夹。
Market-1501
├── bounding_box_test (750人的19732张图像用于测试)
| ├── -1_c1s1_000401_03.jpg
| ├── 0071_c6s2_063593_01.jpg
| ├── 0071_c6s2_06