Open-ReID

Open-ReID 是一个用于研究目的的人体重识别轻量级库。其目标是为不同的数据集提供统一的接口、一套完整的模型和评估指标，以及可复现（接近）最先进结果的示例。

安装

安装 PyTorch（版本 >= 0.2.0）。虽然我们同时支持 Python 2 和 Python 3，但为了获得更好的性能，建议使用 Python 3。

git clone https://github.com/Cysu/open-reid.git
cd open-reid
python setup.py install

示例

python examples/softmax_loss.py -d viper -b 64 -j 2 -a resnet50 --logs-dir logs/softmax-loss/viper-resnet50

这只是一个快速示例。VIPeR 数据集可能不足以训练深度神经网络。

更多内容请参阅 示例 和 基准测试。

Open-ReID 快速上手指南

Open-ReID 是一个轻量级的人员重识别（Person Re-identification）研究库。它旨在为不同的数据集提供统一的接口，包含完整的模型和评估指标，并提供复现接近最先进（SOTA）结果的示例代码。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：支持 Linux 或 macOS（Windows 需自行配置兼容环境）。
• Python 版本：支持 Python 2 和 Python 3，强烈推荐使用 Python 3 以获得更好的性能。
• 核心依赖：
  • PyTorch (版本 >= 0.2.0)
  • 国内开发者安装 PyTorch 时，建议访问 清华镜像源 获取加速安装命令。

安装步骤

通过以下命令克隆仓库并完成安装：

git clone https://github.com/Cysu/open-reid.git
cd open-reid
python setup.py install

提示：如果下载速度较慢，可使用国内镜像加速克隆： git clone https://gitee.com/mirror/open-reid.git (若存在镜像) 或配置 git 代理。

基本使用

以下是一个基于 ResNet50 backbone 和 VIPeR 数据集的 Softmax Loss 训练示例。

注意：VIPeR 数据集较小，通常不足以充分训练深度神经网络，此命令主要用于验证流程是否跑通。

python examples/softmax_loss.py -d viper -b 64 -j 2 -a resnet50 --logs-dir logs/softmax-loss/viper-resnet50

参数说明：

• -d viper: 指定使用 VIPeR 数据集。
• -b 64: 设置 batch size 为 64。
• -j 2: 设置数据加载线程数为 2。
• -a resnet50: 指定模型架构为 ResNet50。
• --logs-dir: 指定日志和模型保存路径。

更多详细的训练示例和基准测试（Benchmarks）请参考官方文档：

• 训练示例
• 基准测试