本文详细介绍了如何基于Person_reid_baseline_pytorch创建自定义数据集，包括训练集和测试集的组织结构，命名规则以及数据集制作步骤。同时，文章讨论了如何选择不同的backbone进行训练，因为ResNet-50可能不适用于某些落地场景。训练过程涉及修改class_num，使用Dataloader自动计算类别，最后测试和生成结果。Demo.py用于演示查询和匹配结果。
目前基于Person_reid_baseline_pytorch的教程更多的是关于如何run起来这个工程，但如果想应用到其他细分项目上的教程比较少，数据集较为单一，且命令和格式复杂，所以本文将详细描述如何制作自建的数据集并选择不同的backbone进行训练（因为ResNet-50难以应用于落地）。
一、自建数据集的分类
1、训练集train+val，测试集query+gallery
以train为例，train文件夹下是各个类别图片存放的文件夹：
其中train+val是所有的训练图片，是全部图片的一部分，而另一部分图片则组成了测试集gallery+query，所以训练集和测试集加起来才是所有类别文件夹。val中各类别下是训练图片中每个分类下选取的一张图片,query中是测试图片中每个分类下，每个摄像机选取一张图片，但由于都是直播截图，所以只在每个类别文件夹下放置了一张图片，而其他的测试图片都放在gallery中。
2、命名规则
随便打开一张图片，其命名为
(1)0004代表其标签编号，属于第四个类
(2)c1代表这张图片来自第一个camera
(3)s6代表这张图片来自这个摄像头的非连续的第六个视频片段(自制数据集无区分)
(4)016996表示是c1s6的第16996帧
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
