Reid Strong Baseline 代码解析及训练测试

1.下载项目：

GitHub - michuanhaohao/reid-strong-baseline: Bag of Tricks and A Strong Baseline for Deep Person Re-identificationhttps://github.com/michuanhaohao/reid-strong-baseline

该项目的文件目录：

 |-----config

 |-----configs

 |-----data

 |-----engine

 |-----imgs

 |-----layers

 |-----modeling

 |-----solver

 |-----tests

 |-----tools

 |-----utils

以及一些.sh文件

2.pycharm中环境配置：

 

#conda create -n XXX python=3.6

# CUDA 10.1
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

#ignite 0.1.2的安装包
https://github.com/pytorch/ignite/tree/v0.1.2

或者pip install pytorch-ignite

#yacs     pip install yacs

3.数据集与预训练模型

# 需要准备Market501数据集：

链接: https://pan.baidu.com/s/1I7mZLCOoY2ltzR73gN1UjQ 提取码: ab12 

注：将该数据集下载后解压并将文件名改为‘market501’，放入data文件夹中。

 #准备Resnet50的预训练模型：

链接: https://pan.baidu.com/s/1ryVTfgXw0oNDL-5Ud9ZI4g 提取码: cd34 

注：在该项目中新建一个‘models’文件夹，将下载的resnet50-19c8e357.pth(Resnet50预训练模型)放入‘models’文件夹中。

4.修改代码参数

#config/defaults.py:
_C.MODEL.PRETRAIN_PATH = " "(添加预训练模型所在的文件夹路径）

#configs/softmax-triplet.yml:

MODEL：

   PRETRAIN_PATH: ‘ ’（添加resnet50-19c8e357.pth的路径）

#tools/train.py：

在开头处sys.path.append('.')之前，添加两行代码：

parentdir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.insert(0,parentdir)

#修改Experiment-all_tricks-without_center-market.sh：

python tools/train.py --config_file='configs/softmax_triplet.yml' MODEL.DEVICE_ID "('0')" DATASETS.NAMES "('market1501')" DATASETS.ROOT_DIR "('XXXXXXXX/data')" OUTPUT_DIR "('XXXXXXXX/output')"

注：MODEL.DEVICE_ID：需要使用的GPU

DATASETS.NAMES：要训练的数据集文件夹名（‘market1501’）

DATASETS.ROOT_DIR：数据集所在的文件夹

OUTPUT_DIR：自己创建一个文件夹，用于查看训练完后数据(我创建的是‘output’)

5.开始训练：

使用上面修改的Experiment-all_tricks-without_center-market.sh文件：

$ sh Experiment-all_tricks-without_center-market.sh

注：configs/softmax-triplet.yml:

SOLVER:

 MAX_EPOCHS: 120 设置训练的轮数

训练结果：

 该图为训练完120轮后的结果。

6.进行测试：

训练完后打开’output‘：

resnet50_model_120.pth为训练完120轮后的权重模型。

#tools/test.py:

在开头处sys.path.append('.')之前，添加两行代码：

parentdir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.insert(0,parentdir)

#configs/softmax_triplet_with_center.yml:

OUTPUT_DIR: "XXXXX"测试结果输出的路径，按自己的喜好即可

#测试依然使用.sh命令，将Test-reranking-all_tricks-tri_center-feat_after_bn-cos-market.sh
进行修改：

python tools/test.py --config_file='configs/softmax_triplet_with_center.yml' MODEL.DEVICE_ID "('1')" DATASETS.NAMES "('market1501')" DATASETS.ROOT_DIR "('XXXX/data')" TEST.RE_RANKING "('yes')" MODEL.PRETRAIN_CHOICE "('self')" TEST.WEIGHT "('XXXXXX/resnet50_model_120.pth')"

注：MODEL.DEVICE_ID：需要使用的GPU

DATASETS.NAMES：要训练的数据集文件夹名（‘market1501’）

DATASETS.ROOT_DIR：数据集所在的文件夹

TEST.WEIGHT：训练120后的权重模型路径

#在服务器中输入以下命令进行测试：

$ sh Test-reranking-all_tricks-tri_center-feat_after_bn-cos-market.sh

注：测试中出现的问题：

#TypeError: 'Baseline' object is not iterable

将modeling/baseline.py中最下面的 param_dict = torch.load(trained_path)
改为：param_dict = torch.load(trained_path).state_dict()

测试结果：

该测试结果采用的 --config_file='configs/softmax_triplet_with_center.yml'

 该测试结果采用的 --config_file='configs/softmax_triplet.yml'