PTGAN 带转换模型和分割模型

目录

一、摘要：

二、MSMT17数据集介绍

三、实验流程和结果：

三、流程复现：

---

Paper 链接：Person Transfer GAN to Bridge Domain Gap for Person Re-Identification

：https://arxiv.org/pdf/1711.08565.pdf

Dataset 链接： 

：http://www.pkuvmc.com/publications/msmt17.html

一、摘要：

提出了一种针对于 ReID 的生成对抗网络 PTGAN，可以实现不同 ReID 数据集的行人图片迁移，在保证行人本体前景不变的情况下，将背景转换成期望的数据集 style。

另外本文还提出一个大型的 ReID 数据集 MSMT17，这个数据集包括多个时间段多个场景，包括室内和室外场景，是一个非常有挑战的数据集。

 

二、MSMT17数据集介绍

MSMT17数据集

• 15 个摄像头：12个室外，3个室内
• 采集4天，每天的天气不一样：大概是为了光线差异大一些
• 选取每天早上，中午，下午的各3小时作为粗略的视频标注参考对象：即一天只考虑选9小时， 弃了晚上--->太黑贡献不大？
• 在经过进一步选择后，最终版的视频只选了每个摄像头每天3个小时的视频，总共为 3*4天×15个摄像头= 180个小时
• 所以视频时间从 9个小时 × 15个摄像头 × 4天 = 540个小时 ----->> 3个小时 × 4天 × 15个摄像头 = 180个小时

三、实验流程和结果：

实验想达到的效果：

论文公布的代码和cyclegan基本一样，但是没有提供模型和语义分割部分的代码；这也是我写这一篇比克的初衷

三、流程复现：

                                        

                      A                                                                                               B

要特别感谢这位玉树凌风的学弟，和我一起拍了一段视频，最后裁剪获得了以上小型数据集。希望学弟不要看到0-0

由于大部分RID数据集像素都很小，比较模糊，很难取得好的效果。

数据集制作流程：拍制视频->YOLOV3目标检测获取人像->人像分割（本文提供人像分割代码）->PTGAN换背景

                                       

                       A_                                                                                            B_

 

结果展示：

 

gan真个很神奇吧。

github地址：https://github.com/958099161/PTGAN

关于gan模型调参问题