FlyHighest
data label
是的，没错
您好，请问你们用该数据训练reid, 对损失 函数有做过实验吗，因为数据已经很多了， tripletloss+circle_softmax 或者只用 circleloss 那种方案可能会更好？
Hi. Sorry, we have only evaluated our synthesized data with basic loss functions used in CBN. The triplet loss or circle loss you mentioned may be effective for the unreal data. If you have any experiment results, we welcome you to post them here or report them through PR. Thanks!
@FlyHighest 同学你好，感谢你公开的数据集。请问一下你给的list_train_label.txt是处理后的label吗？我只需要load你txt里面的label就行了是吧？
@FlyHighest 同学你好，感谢你公开的数据集。请问一下你给的list_train_label.txt是处理后的label吗？我只需要load你txt里面的label就行了是吧？
@michuanhaohao 是的，可以读出来直接用，只是随机sample了部分数据写成了这个txt文件，您也可以根据需要的数据量自己生成。
with open(txt_path) as f:
line = f.readlines()
self.img_list = [os.path.join(dataset_dir, i.split()[0]) for i in line]
self.label_list = [int(i.split()[1]) for i in line]
self.cam_list = [int(i.split()[2]) for i in line]
@FlyHighest 同学你好，感谢你公开的数据集。请问一下你给的list_train_label.txt是处理后的label吗？我只需要load你txt里面的label就行了是吧？
@michuanhaohao 是的，可以读出来直接用，只是随机sample了部分数据写成了这个txt文件，您也可以根据需要的数据量自己生成。
with open(txt_path) as f: line = f.readlines() self.img_list = [os.path.join(dataset_dir, i.split()[0]) for i in line] self.label_list = [int(i.split()[1]) for i in line] self.cam_list = [int(i.split()[2]) for i in line]
感谢回复。
我在12W的子集上快速验证了，我分别用ImageNet初始化和随机初始化训练了ImageNet2unreal和unreal两个模型，最后和ImageNet预训练模型相比，在market上finetune的结果是ImageNet2unreal>Imagenet>unreal。不知道你有试过直接从头在unreal上训练，然后再market上finetune的结果吗？我们的结论是否是一致的？
@michuanhaohao 是一致的，从头训练unreal我们也没做过太多实验，效果不如imagenet->unreal->other datasets好
在真实数据上测试模型，且都在imagenet上进行模型权重初始化，真实数据和虚拟数据混在一起训练和拿虚拟数据pretrain然后在真实数据上finetune相比，哪种方式更好？作者有试过类似的尝试吗？
在真实数据上测试模型，且都在imagenet上进行模型权重初始化，真实数据和虚拟数据混在一起训练和拿虚拟数据pretrain然后在真实数据上finetune相比，哪种方式更好？作者有试过类似的尝试吗？
@AlphaPlusTT 谢谢您的提问。训练方式1：imagenet->unreal->target ; 训练方式2：imagenet-> unreal+target. 这两种训练方式，在target上测试的结果，方式1更优。但是训练出来的模型在其他非target数据集测试的话，方式2更优。
您好！我有个问题想问一下，本人毕业设计也用到了合成图像作为目标检测预训练的权重训练，但是效果没有明显提升，请问用渲染图像作为预训练需要进行什么操作，或者说与正常的训练有什么不同的操作吗
