原创 關於餘弦距離的思考

在做特徵之間的距離度量的時候,可以使用歐式距離,也可以使用餘弦距離,那麼如果是餘弦距離的話,異類之間的距離,將距離的目標設置爲0,還是設置爲-1作爲目標距離比較好呢?這是一個問題,我就以此爲探究點,做一下實驗。試驗結束後寫答案。

原创 log-normal distribution 對數正態分佈 的講解和後續延伸

https://blog.csdn.net/Eric2016_Lv/article/details/53286434?ops_request_misc=%257B%2522request%255Fid%2522%253A%25221590

原创 REID 互平均學習MMT 孿生網絡的無監督行人重識別,代碼包括如何按照 M = alpha(M_t) + (1-alpha)(M_t-1)更新網絡參數

Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person Re-identification 知乎講解:https:/

原创 pytorch 模型model 的一些常用屬性和函數說明

首先創建一個簡單的網絡,用來舉例說明後來的例子。 class Net(nn.Module): def __init__(self): super(Net,self).__init__() self

原创 pytorch 使用多塊顯卡訓練模型

一般的程序都是默認了單塊顯卡訓練模型,如果batch_size過大的話,單塊顯卡是不好使的,這就需要多塊顯卡並行訓練了,如何實現呢,特別簡單 : net = nn.DataParallel(net).cuda() 上面這行代碼就可以實現

原创 pytorch 多卡並行計算保存模型和加載模型 (遺漏module的解決)

今天使用了多卡進行訓練,保存的時候直接是用了下面的代碼: torch.save(net.cpu().state_dict(),'epoch1.pth') 我在測試的時候,想要加載這個訓練好的模型,但是報錯了,說是字典中的關鍵字不匹配,我

原创 Python 字典update

x1 = {'q':12, 'w':13, 'e':14} x2 = {'q':22, 'w':77} x1.update(x2) print(x1) 上面的是一個程序例子,x1.update(x2), 代表如果x2中的鍵和x1中有相同

原创 SELECTION VIA PROXY: EFFICIENT DATA SELECTION FOR DEEP LEARNING 思考REID 數據考量

前幾天對行人重試別進行了分類,從數據、特徵、目標函數角度作爲研究的重點。 這篇文章給涉及到訓練數據的選擇,可不可以在target中尋找少數量的樣本進行標記,但是卻能達到很好的效果呢? 在讀這篇論文的時候,遇到了一些新的內容,包括如下: a

原创 strong reid 代碼實現

https://github.com/t20134297/reid-strong-baseline 這個是reid的開源代碼,裏面有triplet 的數據劃分方式、triplet loss 的定義,一些訓練的例子,還有網絡的搭建、優化器的

原创 向github上傳代碼

(1)git init (2)git add . (3)git commit -m 'jvj' (4)git remote add origin https://github.com/t20134297/file_arrange 如果出現

原创 REID 相關論文資源

https://www.ctolib.com/amp/bismex-Awesome-person-re-identification.html  CVPR2020 The papers in this section will be ca

原创 cvpr2019 reid

Oral: Joint Discriminative and Generative Learning for Person Re-identification. Zhedong Zheng; Xiaodong Yang; Zhiding

原创 Unsupervised Person Re-identification by Soft Multilabel Learning 源碼

2019CVPR REID oral文章 Unsupervised Person Re-identification by Soft Multilabel Learning  軟多標籤的無監督行人重試別源碼在這了: https://git

原创 Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training 復現代碼

Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training是 CVPR2019 REID相關論文,有人對其進行了復現,代碼在這裏了 https://github.c

原创 ICCV2019 行人重識別文章彙總

Oral: Self-Similarity Grouping: A Simple Unsupervised Cross Domain Adaptation Approach for Person Re-Identification Yan