deep-person-reid学习资料汇总 - 基于PyTorch的深度学习人员重识别库

Ray

deep-person-reid

deep-person-reid学习资料汇总 - 基于PyTorch的深度学习人员重识别库

Torchreid是一个功能强大的深度学习人员重识别库,基于PyTorch实现,由周凯阳等人开发。该项目提供了丰富的模型、数据集和训练方法,是研究人员重识别(Re-ID)任务的得力工具。本文旨在汇总该项目的相关学习资料,帮助读者快速入门和深入学习。

项目概览

Torchreid的主要特性包括:

支持多GPU训练
同时支持图像和视频的Re-ID任务
端到端的训练和评估流程
简单易用的数据集准备方法
支持多数据集联合训练
跨数据集评估
实现了多种最新的深度Re-ID模型
提供预训练模型
高度可扩展,易于添加新模型和数据集

Torchreid框架

快速入门

要开始使用Torchreid,您可以按照以下步骤操作:

安装Torchreid:

git clone https://github.com/KaiyangZhou/deep-person-reid.git
cd deep-person-reid/
pip install -r requirements.txt
python setup.py develop

准备数据集,Torchreid支持多种常用的Re-ID数据集,如Market1501、DukeMTMC-reID等。
训练模型:

import torchreid

# 加载数据
datamanager = torchreid.data.ImageDataManager(
    root='reid-data',
    sources='market1501',
    height=256,
    width=128,
    batch_size_train=32,
    batch_size_test=100
)

# 创建模型
model = torchreid.models.build_model(
    name='resnet50',
    num_classes=datamanager.num_train_pids,
    loss='softmax',
    pretrained=True
)

# 创建优化器
optimizer = torchreid.optim.build_optimizer(
    model,
    optim='adam',
    lr=0.0003
)

# 创建引擎并训练
engine = torchreid.engine.ImageSoftmaxEngine(
    datamanager,
    model,
    optimizer=optimizer,
)
engine.run(
    save_dir='log/resnet50',
    max_epoch=60,
    eval_freq=10,
    print_freq=10,
    test_only=False
)