内涵:reid

2024-06-05 23:38
文章标签 reid 内涵

本文主要是介绍内涵:reid,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本周任務:re-id,起一個模型。

20170613:

模型例子:GitHub - daodaofr/caffe-re-id

附帶論文:PersonRe-Identification via Recurrent Feature Aggregation, Yichao Yan,Bingbing Ni, Zhichao Song, chao Ma, Yan Yan, xiaokang Yang, In ECCV2016.

代碼保存路徑:~/codes/reid_sourcecode

自己編寫的腳本代碼:create_filelist.sh(將原始文件轉換爲每行文件名標籤的形式)

create_lmdb.sh(調用caffe/build/tools/convert_imageset.bin講原始數據轉換爲lmdb形式,可以改变图片的大小)这部分详见http://www.cnblogs.com/denny402/p/5082341.html

问题:convert_imageset.bin有问题:

/home/zht/apps/caffe-master/build/tools/convert_imageset:error while loading shared libraries: libcudnn.so.5: cannot openshared object file: No such file or directory

解决方案:运行脚本时取掉sudo即可,因为lib文件仅对当前用户有效,即zhangteng

总结:1.forfile in $dir/*遍历dir目录下所有文件和文件夹

2.${basename$dir}最后一层路径或者文件名

3.ls$file | cut -d ‘/’ -f7 | sed “s/$/ $value/” >>a.txt$代表最末字符

4.grep-n -H -R "REGISTER_LAYER_CREATOR"在当前路径下搜索

来的任务:1.如何用模型例子跑起来

2.三通道

3.如何讲vbb数据转换为图片

# /usr/bin/env sh
DATA=/home/zht/codes/reid_sourcecode/output
echo "Create train.txt..."
rm -rf $DATA/train.txt
for file in $DATA/*
do#ls $file |cut -d '/' -f6>>label#echo $label#label=$file |cut -d '/' -f 2#echo $file#b=$file#a=$b| cut -d '/' -f1#echo $b#echo $alabel=$(basename $file)ls $file | cut -d '/' -f7 | sed "s/$/ $label/">>$DATA/train.txt#echo file#echo $file
done
echo "Done.." 

#!/usr/bin/en sh
set -e
DATA=/home/zht/codes/reid_sourcecode/output
rm -rf $DATA/img_train_lmdb
/home/zht/apps/caffe-master/build/tools/convert_imageset --shuffle --resize_height=20 --resize_width=20 /home/zht/codes/reid_sourcecode/data/ /home/zht/codes/reid_sourcecode/data/train.txt /home/zht/codes/reid_sourcecode/data/train_lmdb

记录:

训练一个模型:坑:不要更改它的output1000到5因为它使用了dropout

batchsize=5过小,准确率只有0.81

batchsize=256,准确率有0.96

如果batchsize 过小,还会出现Restartingdata prefetching from提示,这不是错误,因为是因为数据集太小,它会很快的遍历一边数据集,然后就重新开始了。

outmemory:navid-msi来查看GPU使用情况

代码文件位于/home/zht/codes/myexamples/1/


 

http://www.cnblogs.com/wangxiaocvpr/p/5200837.html

ifeq($(USE_OPENCV), 1)

LIBRARIES+= opencv_core opencv_highgui opencv_imgproc

ifeq($(OPENCV_VERSION), 3)

LIBRARIES+= opencv_imgcodecs

endif

endif

opencv

loss=2.08643

accuracy=0.566667

makepy

这篇关于内涵:reid的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1034493

相关文章

一直听说“不忘初心”,今天才知道真正内涵!

古语有云:“不忘初心,方得始终。” 什么是初心?                          1912年春天,哈佛大学教授桑塔亚纳正站在课堂上给学生们上课,突然,一只知更鸟飞落在教室的窗台上,欢叫不停。桑塔亚纳被这只小鸟所吸引,静静地端详着它。过了许久,他才转过身来,轻轻地对学生们说:“对不起,同学们,我与春天有个约会,现在得去践约了。”说完,便走出了教室。 那一年,49岁的

两张人像对比是否是同一人- deep-person-reid

基于的项目:https://github.com/KaiyangZhou/deep-person-reid 安装 git clone https://github.com/KaiyangZhou/deep-person-reid.gitcd deep-person-reid/pip install -r requirements.txtpython setup.py develop 权重下

Reid系列论文学习——换装Reid

今天要学习的有关Reid的论文是2019年提出的一篇名为:Beyond Scalar Neuron: Adopting Vector-Neuron Capsules for Long-Term Person Re-Identification. 论文链接:https://opus.lib.uts.edu.au/bitstream/10453/137156/4/Binder1.pdf Code链

内涵:CVPR2019之GCNet解读

non-local论文地址 non-local代码地址 gcnet论文地址 gcnet代码地址 senet论文地址 senet代码地址         这篇文章是发表于CVPR2019上的一篇文章,文章花了相当多的文笔放在另外两篇文章Non-local(CVPR2018)和Senet(CVPR2018)之上。而且感情基调较为明显,较为质疑 Non-local的做法,中性略带赞赏性的评价Senet

内涵:Python各种安装包问题汇总

Python各种包问题汇总,更新ing 1、PIL与PILLOW1.1 PIL与PILLOW1.2 conda 安装pillow失败与解决方案1.2.1失败现象1.2.2解决方案 1.3反思与挖掘1.3.1 pip 与conda1.3.2 conda中的channel(源)1.3.3Lib\site-packages与Anaconda3\pkgs 2.python 离线包的安装3.pyth

内涵:caffe踩过的一些坑

1、caffe.io.load_image()与cv2.imread()的区别与联系 from __future__ import divisiona=caffe.io.load_image("1.jpg")b=cv2.imread("1.jpg") 则a=b/255 2、 transformed_image = self.transformer.preprocess(

内涵:.avi文件转为.mp4

在学习中需要实现如下需求:          前端网页上传一段视频文件至服务器,服务器后端将视频转换为一帧一帧做图像处理,然后通过VideoWriter将图片转换为视频,最后希望再将视频在前端网页上显示出来。   但有一个问题就是,html5的video标签可以显示的3种视频文件中,只包含了mp4。而通过VideoWriter将图片转换为视频的格式只能为.avi。感觉挺坑的。无奈只能通过将.a

内涵:pyTorch学习之加载自己的数据集

pyTorch根据filelist加载自己的数据集合,无论图片是否在一个文件夹还是一个类的图片在一个文件夹。 第一步:继承实现Dataset类别 def default_loader(path):return Image.open(path).convert('RGB')class MyDataset(Dataset):def __init__(self, txt, transform=

内涵:single shot multibox shot 在自己的数据上训练自己的模型

推荐两篇非常非常非常好的两篇文章: 1、如何把自己的数据制作为VOC格式的xml标签 http://www.itkeyword.com/doc/4119351835022951846/rcnn-pascal-voc 2、如何用VOC格式的数据训练SSD模型 http://blog.csdn.net/10km/article/details/70168526 可能会踩到的坑:OpenCV Erro