行人重识别 reid

行人重识别 reid

作为刚入门的小白，先找了reid方向的一个baseline来学习，我找的是浙江大学罗浩老师在2019发表的一篇CVPR论文，该论文利用一些tricks来提出了一个更强的baseline，本文主要是运行该论文的代码。
论文题目：《Bag of Tricks and A Strong Baseline for Deep Person Re-identification》
论文地址：.07071
代码地址：

下面就开始来跑代码，我用的环境配置是：
python3.6+pytorch1.6.0+cuda 10.1+torchvision 0.7.0
我因为是在家，所以是租的服务器，我用的是下面这个，感觉还很不错，注册还送十元代金券，租3090可以免费用四个小时左右，我租的是2080ti。
=5eb4c04b-ba17-4bb7-9e95-be2c55309631

步骤：

1、先cd到你要存储到的文件夹下，再运行git clone ，将项目下载下来。
2、安装项目需要的包，该项目需要安装ignite和yacs这两个包，运行conda install yacs,对于ignite这个包，作者GitHub上说要安装0.1.2版本，不然可能出错，我试过直接安装，确实后面有点问题，而0.1.2版本好像是python3.7（包括）以下才能用，所以我上面用的是python3.6。我准备来手动安装：
（1）用下面的地址先下载ignite的0.1.2版本的包：
.1.2
（2）解压之后cd到文件夹目录下，运行python setup.py install。
这里有一个情况，我运行的时候报了time out错误（但是我后来运行又没出错，如果没有出错就忽略下面这些）
经过查询之后，是因为访问国外网站超时了，将报错的那一串链接复制到浏览器，下载future-0.18.压缩包，然后解压，cd到这个文件夹，运行python setup.py install，再回到ignite-0.1.2文件夹，继续运行python setup.py install，这样就不报错了。
3、准备数据集，这里我因为是想将这个项目先跑通，所以就只下载了Market1501数据集，没有的可以从我之前的博客里去取：
=1001.2014.3001.5501
下载好后新建一个data文件夹，然后将Market1501数据集放到里面。
4、从下面链接下载预训练权重：
.pth
我将其放到了我自己建的models文件夹/root/project/models/resnet50-19c8e357.pth中，然后将configs文件夹下的四个.yml文件中的PRETRAIN_PATH改为：PRETRAIN_PATH: '/root/project/models/resnet50-19c8e357.pth'。
5、开始训练。项目中有很多.sh文件，可以用pycharm打开来进行选择，这里需要新建一个文件夹来存放输出，OUTPUT_DIR就是新建的文件夹路径。
我选择的是Experiment-all_tricks-without_center-market.sh，
使用的指令是：

python3 /root/project/reid-strong-baseline/tools/train.py --config_file='/root/project/reid-strong-baseline/configs/l' MODEL.DEVICE_ID "('0')" DATASETS.NAMES "('market1501')" DATASETS.ROOT_DIR "('/root/project/data')" OUTPUT_DIR "('/root/project/outputs/l_outputs')"

但是出现报错，如下：

找不到config模块，查询之后，需要在test.py中sys.path.append('.')前加入下面代码：

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

训练完成后，我的结果如下：
6、进行测试，和训练一样，要在test.py中sys.path.append('.')前加入上面那两行代码。TEST.WEIGHT的值是上面你新建的文件夹路径里保存的训练120次的模型的路径，也就是：/root/project/outputs/l_outputs/resnet50_model_120.pth，然后将configs文件夹下的四个.yml文件中的OUTPUT_DIR改为：/root/project/outputs/l_outputs，我的指令是

python3 /root/project/reid-strong-baseline/tools/test.py --config_file='/root/project/reid-strong-baseline/configs/softmax_triplet_l' MODEL.DEVICE_ID "('0')" DATASETS.NAMES "('market1501')" DATASETS.ROOT_DIR "('/root/project/data')" TEST.RE_RANKING "('yes')" MODEL.PRETRAIN_CHOICE "('self')" TEST.WEIGHT "('/root/project/outputs/l_outputs/resnet50_model_120.pth')"

这是加入了re_rangking来进行测试的，运行时报了‘Baseline’ object is not iterable的错误，查找资料需要将
将modeling文件夹中的baseline文件中，最下面的param_dict = torch.load(trained_path)
替换成param_dict = torch.load(trained_path).state_dict()
最后测试的结果是：

7、可以看到，这个baseline十分强大，取得了非常好的结果。对于其他的.sh文件，也可以自己来进行测试。

参考链接：
=%257B%2522request%255Fid%2522%253A%2522164507131916780274173890%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=164507131916780274173890&biz_id=0&utm_medium=distribute.pc_-task-blog-2_allfirst_rank_ecpm_v1~rank_v31_ecpm-10-118580418.first_rank_v2_pc_rank_v29&utm_term=reid+strong+baseline+%E4%BB%A3%E7%A0%81&spm=1018.2226.3001.4187