GitHub：Person-Attribute-Recognition-MarketDuke行人属性识别项目复现

作者地址：GitHub - hyk1996/Person-Attribute-Recognition-MarketDuke: A simple baseline implemented in PyTorch for pedestrian attribute recognition task, evaluating on Market-1501 and DukeMTMC-reID dataset.

需要的数据集：

原始数据集：DukeMTMC-reID和Market-1501

标注数据集：DukeMTMC-attribute-master和Market-1501_Attribute-master

按照作者的要求，分别在DukeMTMC-reID和Market-1501文件下新建文件夹，命名为attribute，然后将DukeMTMC-attribute-master和Market-1501_Attribute-master中的duke_attribute.mat和market_attribute.mat分别放入所属的attribute文件夹。最后再将Market-1501文件放入DukeMTMC-reID目录下。

把作者的仓库下载到本地

其中的checkpoints文件要从作者给的百度云中下载，它是作者训练好了的模型，也就是说有了它我们就可以直接尝试test和inference而不需要自己再去训练模型（训练GPU有一定要求，因为作者使用的是resnet50网络）

打开test.py文件，因为作者不是在windows平台上写的，所以要在最顶端加入以下代码

import multiprocessing
if __name__ == '__main__':
    multiprocessing.freeze_support()

同时在为了避免在Windows系统中使用多进程时报错，要将参数num_workers设置为0

def get_dataloader():
    image_datasets = {}
    image_datasets['gallery'] = Test_Dataset(data_dir, dataset_name=dataset_name, query_gallery='gallery')
    image_datasets['query'] = Test_Dataset(data_dir, dataset_name=dataset_name, query_gallery='query')
    dataloaders = {x: torch.utils.data.DataLoader(image_datasets[x], batch_size=args.batch_size,
                                                 shuffle=True, num_workers=0)
                  for x in ['gallery', 'query']}
    return dataloaders

然后我们就可以在终端进行调试了

作者原语句为：

python3  test.py   --data-path  ~/dataset  --dataset  [market | duke]  --model  resnet50  [--print-table]

我修改为：

python test.py --data-path D:\dataset --dataset duke --backbone resnet50 --print-table

成功打印出table

接下来就是自己测试验证了

在数据集下新建test_sample文件夹，放入自己想测试的图片，并且以test_market.jpg格式命名

接下来就可以在终端执行命令了

python inference.py D:/dataset/DukeMTMC-reID/test_sample/test_market.jpg --dataset market --backbone resnet50

样张如图：

结果如图：

这样这个人物属性识别网络就大功告成啦！