位置: IT常识 - 正文

ReID行人重识别(训练+检测,附代码),可做图像检索,陌生人检索等项目(行人重识别map)

编辑:rootadmin
ReID行人重识别(训练+检测,附代码),可做图像检索,陌生人检索等项目

推荐整理分享ReID行人重识别(训练+检测,附代码),可做图像检索,陌生人检索等项目(行人重识别map),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:reid行人重识别算法,reid行人重识别,reid行人重识别,行人重识别代码实现,reid行人重识别,reid行人重识别算法,reid行人重识别,reranking行人重识别,内容如对您有帮助,希望把文章链接给更多的朋友!

利用ReID和目标检测对视频进行检测,可以对视频中的人进行重识别,支持更换数据集可以做车辆重识别等。可应用于图像、视频检索,行人跟踪等

在以前学习ReID的时候,是跟着下面视频学习的,该论文和代码也可以参考GitHub - michuanhaohao/ReID_tutorial_slides: 《深度学习与行人重识别》课程课件《深度学习和行人重识别》浙江大学罗浩博士_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1Pg4y1q7sN?from=search&seid=12319613973768358764&spm_id_from=333.337.0.0

理论部分这里不在叙述,视频中讲解的很清楚,可以跟着视频学习,这里只讲代码的使用。

上述代码可以进行正常的训练,但没有视频或者图像检测代码,然后在查找相关资料的时候,发现这篇文章中是用yolov3和ReID进行了结合,但这篇文章中没有训练代码https://zhuanlan.zhihu.com/p/82398949

为此,对上述两个项目的代码进行了整合,感谢上述两位博主的贡献。对代码稍加了一点修改,同时我也训练了se_renext50网络,可以正常检测。可对视频或者图像进行检索,效果如下【可以看出即便遮挡以后,也可以继续检索】:

目录

训练 

检测


训练 

步骤1:

config文件夹:

        defaults.py中(一些默认配置)

GPU设置:

        _C.MODEL.DEVICE = "cuda" 是否使用GPU

        _C.MODEL.DEVICE_ID = '0' GPU ID

网络设置:

         _C.MODEL.NAME = 'resnet50_ibn_a'

        _C.MODEL.PRETRAIN_PATH =r'./pretrained.pth' # 预权重路径(选择的权重要和上面你的模型对应上)

超参设置:

         _C.SOLVER.OPTIMIZER_NAME = "Adam"  # 选择优化器         _C.SOLVER.MAX_EPOCHS = 120 # 训练最大epoch数         _C.SOLVER.BASE_LR = 3e-4  # 初始学习率

步骤2:

configs文件夹:

        softmax_triplet_with_center.yml中

        softmax_triplet.yml中#(本代码训练用的这个损失函数)

MODEL:

        PRETRAIN_PATH: # 预训练权重(这个权重我是放在ReID/weights/r50_ibn_2.pth,这个可以根据自己实际情况更改)

SOLVER:

        OPTIMIZER_NAME: 'Adam' # 优化器

        MAX_EPOCHS: 120 # 最大epoch

        BASE_LR: 0.00035 # 初始学习率

ReID行人重识别(训练+检测,附代码),可做图像检索,陌生人检索等项目(行人重识别map)

主要设置权重保存周期和记录log和eval周期【我设置的是1,这样每轮都会保存一次日志、权重,每轮都计算一次mAP和rank】

        CHECKPOINT_PERIOD: 1

        LOG_PERIOD: 1

        EVAL_PERIOD: 1

OUTPUT_DIR:r'./logs'  # 输出路径

步骤3:

data文件夹用来存放Market1501数据集

步骤4:

输入命令开始训练:

tools/train.py --config_file='configs/softmax_triplet.yml' MODEL.DEVICE_ID "('0')" DATASETS.NAMES "('market1501')" DATASETS.ROOT_DIR "(r'./data')" OUTPUT_DIR "('E:/ReID/logs')"=> Market1501 loadedDataset statistics: ---------------------------------------- subset | # ids | # images | # cameras ---------------------------------------- train | 751 | 12936 | 6 query | 750 | 3368 | 6 gallery | 751 | 15913 | 6 ----------------------------------------Loading pretrained ImageNet model......2022-02-18 16:17:54,983 reid_baseline.train INFO: Epoch[1] Iteration[1/1484] Loss: 7.667, Acc: 0.000, Base Lr: 3.82e-052022-02-18 16:17:55,225 reid_baseline.train INFO: Epoch[1] Iteration[2/1484] Loss: 7.671, Acc: 0.000, Base Lr: 3.82e-052022-02-18 16:17:55,436 reid_baseline.train INFO: Epoch[1] Iteration[3/1484] Loss: 7.669, Acc: 0.003, Base Lr: 3.82e-052022-02-18 16:17:55,646 reid_baseline.train INFO: Epoch[1] Iteration[4/1484] Loss: 7.663, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:55,856 reid_baseline.train INFO: Epoch[1] Iteration[5/1484] Loss: 7.663, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:56,069 reid_baseline.train INFO: Epoch[1] Iteration[6/1484] Loss: 7.658, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:56,277 reid_baseline.train INFO: Epoch[1] Iteration[7/1484] Loss: 7.654, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:56,490 reid_baseline.train INFO: Epoch[1] Iteration[8/1484] Loss: 7.660, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:56,699 reid_baseline.train INFO: Epoch[1] Iteration[9/1484] Loss: 7.653, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:56,906 reid_baseline.train INFO: Epoch[1] Iteration[10/1484] Loss: 7.651, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:57,110 reid_baseline.train INFO: Epoch[1] Iteration[11/1484] Loss: 7.645, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:57,316 reid_baseline.train INFO: Epoch[1] Iteration[12/1484] Loss: 7.643, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:57,526 reid_baseline.train INFO: Epoch[1] Iteration[13/1484] Loss: 7.644, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:57,733 reid_baseline.train INFO: Epoch[1] Iteration[14/1484] Loss: 7.638, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:57,942 reid_baseline.train INFO: Epoch[1] Iteration[15/1484] Loss: 7.634, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:58,148 reid_baseline.train INFO: Epoch[1] Iteration[16/1484] Loss: 7.630, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:58,355 reid_baseline.train INFO: Epoch[1] Iteration[17/1484] Loss: 7.634, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:58,564 reid_baseline.train INFO: Epoch[1] Iteration[18/1484] Loss: 7.627, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:58,770 reid_baseline.train INFO: Epoch[1] Iteration[19/1484] Loss: 7.629, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:58,980 reid_baseline.train INFO: Epoch[1] Iteration[20/1484] Loss: 7.624, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:59,186 reid_baseline.train INFO: Epoch[1] Iteration[21/1484] Loss: 7.619, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:59,397 reid_baseline.train INFO: Epoch[1] Iteration[22/1484] Loss: 7.614, Acc: 0.002, Base Lr: 3.82e-052022-02-18 16:17:59,605 reid_baseline.train INFO: Epoch[1] Iteration[23/1484] Loss: 7.608, Acc: 0.002, Base Lr: 3.82e-05··············································

 训练好以后会在logs文件中保存训练好的权重

注:

我使用的是softmax_triplet.yml,如果你用这个,只需要将该文件中的  PRETRAIN_PATH 预权重更改成你路径即可,由于我选择的是resnet50_ibn_a模型(模型的选择在ReID/config/defaults.py/中的_C.MODEL.NAME修改),因此PRETRAIN_PATH填写的是r50_ibn_2.pth权重,如果你选择的是resnet50网络,那么你的预权重也应该选择对应的权重【附上一些权重的官方链接】。代码里其实有自动下载权重地方,但有些人从pytorch官网下会导致网不好,如果通过自带url你能下载下来,权重会默认存在C盘下。所以我把代码改了一下,自己下载下来以后放自己项目中,加载的时候直接在配置文件中修改路径就行了。

'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth','resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth','resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',检测

进入person_search文件夹

检测图片:

将待检测图像放入query文件夹,在data/sampes/下放入需要检测图像或者视频【注意这里的待检测和query图像是不一样的,就好比你要从一堆图片或者视频中找一个人,你现在有了这个人的照片,就放入query中,那么程序就可以从sampers文件下的一堆图或者视频中检索到这个人】,

设置search.py。images是需要检测的图或者视频,dist_thres是ReID度量匹配中计算两个样本之间的距离,小于这个距离就说明相似度很高,这个需要根据不同的视频手动调试一下。

def detect(cfg, data, weights, images='data/samples', # input folder output='output', # output folder fourcc='mp4v', # video codec img_size=416, conf_thres=0.5, nms_thres=0.5, dist_thres=1.0, # 距离阈值 save_txt=False, save_images=True):

运行search.py

最终检索的结果会输出到output中【注意:如果在query中放入图片,命名格式需要和market1501一样】

检测视频:

query_get.py 中先设置好视频路径

运行后,按空格键(按帧)继续播放视频,按鼠标左键截图(图像会自动保存并自动命名到query文件下)

同样,将待检测视频放入data/samples中,设置好参数后运行search.py,会将检测后的结果输出到person_search/output文件中。

--------------------------------------------------------------------------------------------------------------------------------

【原代码修改说明】

engine文件夹: trainer.py主要是定义一些训练函数 在原代码的基础上增加了保存网络权重,原代码的权重是将优化器等参数设置都保存成权重,加载到原网络中是不需要这些的,会报keys错误,所以我直接保存网络权重,方便加载

modeling文件夹 baseline.py 如果对主干网络进行修改【方便以后魔改网络】,再加载权重的时候会报keys错误,所以增加了如下代码可以解决该问题 pretrained_dict = {k: v for k, v in pretrained_dict.items() if k in model_dict.keys() == pretrained_dict.keys()}

代码和权重百度云:https://pan.baidu.com/s/1p5C5mCVxGK61_eYc7HHpHA  提取码:yypn 

或者访问github:https://github.com/YINYIPENG-EN/ReID.githttps://github.com/YINYIPENG-EN/ReID.git

这里还要再强调一下!!!训练中的ReID/config/defaults.py和person_search/reid/config/defaults.py配置文件有些不一样,在运行search.py文件中一定要注意一下,不然会报错!

本文链接地址:https://www.jiuchutong.com/zhishi/298348.html 转载请保留说明!

上一篇:“export ‘default‘ (imported as ‘VueRouter‘) was not found in ‘vue-router‘报错分析(defaultpool)

下一篇:css 实现太极效果(简单的css特效)

  • 诺基亚920图片(诺基亚920评测)(诺基亚 920)

    诺基亚920图片(诺基亚920评测)(诺基亚 920)

  • 华为mate30pro能投屏到墙上吗(华为mate30pro投射功能)

    华为mate30pro能投屏到墙上吗(华为mate30pro投射功能)

  • qq怎么登录新用户不用好友验证(qq怎么登录新用户没有手机号)

    qq怎么登录新用户不用好友验证(qq怎么登录新用户没有手机号)

  • 苹果xr摄像头下发热正常吗(苹果XR摄像头下面的位置发热)

    苹果xr摄像头下发热正常吗(苹果XR摄像头下面的位置发热)

  • 淘宝挂起什么意思(淘宝挂起状态怎么设置)

    淘宝挂起什么意思(淘宝挂起状态怎么设置)

  • 苹果就寝模式电话能打通吗(苹果就寝模式电脑怎么用)

    苹果就寝模式电话能打通吗(苹果就寝模式电脑怎么用)

  • 罗技鼠标点一下变两下怎么办(罗技鼠标点一下出现双击)

    罗技鼠标点一下变两下怎么办(罗技鼠标点一下出现双击)

  • 联想笔记本投影切换快捷键是什么(联想笔记本投影到此电脑怎么打开)

    联想笔记本投影切换快捷键是什么(联想笔记本投影到此电脑怎么打开)

  • 为什么超级星饭团不显示在线(为什么超级星饭团下载不了)

    为什么超级星饭团不显示在线(为什么超级星饭团下载不了)

  • 台铃电动车充电器一直绿灯(台铃电动车充电口在哪个位置)

    台铃电动车充电器一直绿灯(台铃电动车充电口在哪个位置)

  • 一加8是双扬声器吗(一加8双扬声器位置)

    一加8是双扬声器吗(一加8双扬声器位置)

  • 微信申诉找回支付密码(微信申诉找回支付选项没了)

    微信申诉找回支付密码(微信申诉找回支付选项没了)

  • 小米手机发热(小米手机发热严重吗)

    小米手机发热(小米手机发热严重吗)

  • 苹果7网络慢怎样设置(苹果网络慢怎么恢复)

    苹果7网络慢怎样设置(苹果网络慢怎么恢复)

  • 苹果手机型号mw开头什么意思(苹果手机型号mw开头是什么版本)

    苹果手机型号mw开头什么意思(苹果手机型号mw开头是什么版本)

  • 锤子手机如何导出照片(锤子手机资料怎么传到华为手机)

    锤子手机如何导出照片(锤子手机资料怎么传到华为手机)

  • 微信支付二维码怎么弄(微信支付二维码图片)

    微信支付二维码怎么弄(微信支付二维码图片)

  • 四代iqos使用方法(iqos四代使用视频)

    四代iqos使用方法(iqos四代使用视频)

  • 抖音粉丝团是永久的吗(抖音粉丝团有什么用处)

    抖音粉丝团是永久的吗(抖音粉丝团有什么用处)

  • vivox27面部解锁怎么设置(vivox27面部解锁怎么没有)

    vivox27面部解锁怎么设置(vivox27面部解锁怎么没有)

  • 金针菜的养殖方法与注意事项(图文)(金针菜的养殖方法和技术)

    金针菜的养殖方法与注意事项(图文)(金针菜的养殖方法和技术)

  • python函数如何返回多个值(python函数如何返回列表)

    python函数如何返回多个值(python函数如何返回列表)

  • 进口报关商品的完税价格包含运费吗
  • 增值税抵扣的会计科目
  • 用于非增值税应税项目、免征增值税项目
  • 领的增值税专用发票如何录入电脑
  • 汇算清缴期间发生的计入当期损益吗
  • 银行承兑的商业汇票计入什么科目
  • 出口结汇必须要开票吗
  • 长期应收款在资产负债表中填在哪里
  • 进口代理费取费标准
  • 管理费抵扣如何计算
  • 银行客户专用回单分录
  • 折价收购股权会计分录
  • 土地增值税计算题及答案解析
  • 企业业务招待费标准规定
  • 成交转化率的计算公式电脑
  • 存货变卖残值取得的收益计入哪个科目
  • 补缴去年个税
  • 增值税专用发票查询系统官方网站
  • 一键ghost有用吗
  • 个税是什么意思必须交吗
  • 证券资金利息
  • 企业发生的培训费能否在所得税前扣除
  • 员工罚款算收入吗
  • 新准则待摊费用
  • 键盘灯无法开启
  • win11可以触屏吗
  • 交暖气费可以开单位发票吗
  • 出租其取得的不动产是什么意思
  • 违约金要计入应纳税所得额吗
  • 固定资产抵债账务怎么处理
  • 房地产企业增值税扣除土地成本
  • 只有收据没有发票怎么报销
  • 顺流交易的会计处理
  • 增值税专用发票查询系统官方网站
  • vue修饰词
  • 主营业务成本入账分录
  • 应收账款与主营业务收入的比率
  • 标书注意事项与如何制作标书
  • 公司主营业务怎么介绍
  • 充话费自定额
  • 收到购置税完税通知书
  • 企业不年报会怎么样
  • 赔偿客户款应该怎么记账
  • Python如何查看中风患者两表的数据量
  • 公司还款给个人怎么操作
  • SQLite教程(十三):C语言编程实例代码(1)
  • php网站访问量大怎么优化
  • 企业转让股权如何缴纳企业所得税
  • 管理费用主要包括
  • 工资是什么?包括哪些
  • 增值税免税优惠梳理
  • 政府补助的范围
  • 首次购买金税盘怎么做账
  • 资金过账属于洗钱吗
  • 哪些拍卖行为不属于诈骗
  • 商贸企业发出商品怎么确认收入
  • 红冲发票显示发票状态不正常
  • 银行回单可以跨年入账吗
  • 序时账是明细账吗
  • 重装系统要懂什么
  • linux ifconfig命令详解
  • xp系统还原系统
  • win10电脑打开图片文件夹会跳闪
  • 如何隐藏应用软件
  • win7旗舰版虚拟光驱下载
  • win7鼠标右键菜单不显示
  • win7怎么禁用软件
  • ping命令详解步骤
  • nodejs mysql orm
  • linux自动清理磁盘空间
  • unityxlua热更新方案
  • 噩梦act2
  • nodejs sleep方法
  • 黑马程序员c++语言讲义
  • fw开发
  • android studio i使用
  • javascript怎么编写
  • 电子税务局怎么删除办税员
  • 北京定额发票查验
  • 大连国家税务局官网
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设