FastReID 从pytorch到caffe （二）训练reid模型

最新推荐文章于 2023-11-09 20:20:04 发布

wangxiaobei2017

最新推荐文章于 2023-11-09 20:20:04 发布

阅读量691

点赞数

分类专栏：深度学习训练与移植文章标签： caffe pytorch 深度学习

本文链接：https://blog.csdn.net/wangxiaobei2017/article/details/128041002

版权

深度学习训练与移植专栏收录该内容

11 篇文章 9 订阅 ¥199.90 ¥299.90

订阅专栏

本文介绍了如何将FastReID框架的reid模型从PyTorch转换到Caffe。主要内容包括：注册数据类以加载数据集，配置训练参数，使用特定的配置文件进行模型训练，增加数据增强策略，并在训练后验证模型的精度。

摘要由CSDN通过智能技术生成

FastReID 从pytorch到caffe （二）训练reid模型

1. fast-reid 框架

从github或Gitee下载源码
主要文件结构

.
├── =1.8.0
├── configs # 配置文件
│   ├── Person_400  # 定义自己的配置文件 文件之间有继承关系
│   │   ├── bagtricks_Mv2.yml
│   │   ├── bagtricks_Mv2_0.1x_256.yml # 
│   │   └── bagtricks_Mv2_0.1x_288.yml
│   └── Market1501
├── datasets
│   ├── Market-1501-v15.09.15
│   └── MyData  # 自己的数据集
│       ├── bounding_box_test
│       ├── bounding_box_train
│       └── query
├── demo
│   ├── demo.py
│   └── visualize_result.py # 测试模型 推理结果
├── fastreid  # 核心代码 
│   ├── config
│   │   ├── config.py
│   │   ├── defaults.py # 配置文件中的所有内容都是基于此
│   └── data  # 数据加载 数据增强
│       ├── build.py
│       ├── common.py
│       ├── datasets   # 数据class
│       ├── data_utils.py
│       ├── __in

了解本专栏