原创 arcface，pytorch代碼理解記錄

def train(self, conf, epochs): self.model.train() running_loss = 0. for e i

2020-07-04 04:38:33 11

原创 Pytorch踩坑記錄——model.eval() torch.no_grad()

    最近在寫代碼時遇到一個問題，原本訓練好的模型，加載進來進行inference準確率直接掉了5個點，尼瑪，這簡直不能忍啊～本菜雞下意識地感知到我肯定又在哪裏寫了bug了～～～於是開始到處排查，從model load到dat

2020-07-04 04:38:33 4

原创 fastreid部分python語法記錄，高模塊化框架結構

如果讀不懂，是一些語法不太會 該代碼基本上用的就是類的多級繼承運行訓練代碼，不直觀， 註冊函數實現數據不同讀取 然後就是hook 鉤子函數，添加多個任務事件 該工程主要是 三個reid 最新論文的實現方法，添加了一些訓練結構訓練技

2020-07-04 04:38:33 13

原创 reid常用評價指標roc rank1 map,誤識率far, 以及optim lr_scheduler 學習率衰減函數

1 roc, 人臉識別或者reid問題 誤識率far *roc 橫座標是 誤識率 far(fpr） 縱座標是tpr * ROC曲線-閾值評價標準 https://blog.csdn.net/abcjennifer/articl

2020-07-04 04:38:33 28

原创 caffe net.blobs: net.params作用

caffe的python接口學習（8）：caffemodel中的參數及特徵的抽取 </h1> <div class="clear"></div> <div class="postBody"> 如果用公式  y=f(w

2020-06-19 14:28:05 3

原创 第一篇，mxnet 模型直接轉換caffe層解析，不用onnx,retinaface mxnet pytorch caffe upsample

1、 https://github.com/jnulzl/Pytorch_Retinaface_To_Caffe 作者在 mycaffe 提供了該層源碼 這個工程主要是，pytorch caffe 這裏的caffe是，上採樣NE

2020-06-19 13:18:20

原创 【ICCV2019】probabilistic face embeddings 概率人臉嵌入， 對監控模糊低分辨人臉更具有適應性

【ICCV2019】probabilistic face embeddings 概率人臉嵌入 對監控模糊人臉更具有適應性，可以加 https://blog.csdn.net/leviopku/article/details/10

2020-06-19 13:18:20

原创 Python子類構造函數調用super().__init__()用法說明,三種情況

Python子類構造函數調用super().__init__()用法說明 </h1> <div class="clear"></div> <div class="postBody"> 一、super的作用 1.如

2020-06-19 13:18:20

原创 c++ unordermap map簡單用法，leetcode 169unordered_map，寫法

169多數元素 //unordered_map因爲內部實現了哈希表，因此其查找速度非常的快,但是哈希表的建立比較耗費時間。 //.有序性，這是map結構最大的優點,內部實現一個紅黑書使得map的很多操作在lgn的時間複雜度下就可以

2020-06-19 13:18:20

原创 第三篇mxnet 模型直接轉換caffe層解析，不用onnx, arcface,fix_gamma=True,false

1、mxnet model 參數輸出打印的代碼 import mxnet as mx sym, arg_params, aux_params = mx.model.load_checkpoint('mobilenet_v2',

2020-06-19 13:18:20

原创 c++基礎語法2，vector,數組增刪改查，注意點

添加操作 vector vec = { 1, 2, 3, 4 }; vec.push_back() // 刪除操作 vec.pop_back() = vec.erase(vec.end()-1) ;//刪除最後一個元素 插入操作

2020-06-19 13:18:20 1

原创 行人reid數據集解釋，合併提取到market1501，map rank1的評估過程

1、行人Reid的入門基本知識 https://www.pianshen.com/article/2994797935/ 2、行人重識別數據集轉換–統一爲market1501數據集進行多數據集聯合訓練 https

2020-06-19 13:18:20

原创 行人ReID，參考以及後續訓練,持續更新(二）2020

2020年6月，重磅，最強重識別工具箱FastReID開源，附帶多種SOTA模型 https://zhuanlan.zhihu.com/p/146137740 添加了最近最好的幾個reid模型，很多訓練技巧，組合 1）、AWG 方

2020-06-19 13:18:20 2

原创 行人reid ,多個開源地址數據變成 market1501格式合併，附代碼，數據地址

數據下載，百度雲鏈接 https://blog.csdn.net/qq_28266311/article/details/87809825 數據很全的介紹 https://github.com/NEU-Gou/awesome-re

2020-06-13 16:22:27