Zhedong Zheng

http://www.zdzheng.xyz [email protected]

University of Macau Macau, China Hi, I am a tenure-track assistant professor at the University of Macau. My work focuses on computer vision, especially representation learning.

Results 584 comments of


                                            Zhedong Zheng

Negative mining 以及 triplet loss

triplet loss可以参考 https://github.com/douzi0248/Re-ID/blob/master/train_11.py#L182 DG-Net只是个option，我们最后只是一部分模型用了，但是没有直接用DGNet训的reid 模型，因为生成部分显存占用比较大，不能上一些大网络比如EF5 或者SENet，或者大resolution。当时只是用ResNet-50 去训练生成，然后把生成的图片当作额外的ID 来训练。可以参考https://github.com/NVlabs/DG-Net 基本改一下路径和输入大小（行人是256*128，车是256*256）就可以跑起来。

Vehicle reid based on data fusion

@chenxyyy It is possible. But you need to build the 3D model for vehicle.

test_2020.py

test_2020 跑的是validation 集合。真正提交用的是submit .py

test_2020.py

@s20163081161 这是一个常用的测试trick。叠加一下特征，后面还是会L2-norm的。结果会好一点。

请教楼主score得分的理解

用的是cosine similarity。两个特征都norm过，类似vector 的夹角。方向接近，夹角小，similarity高。

请教楼主score得分的理解

我记得是因为读出来是dict 所以要取一下第一个value

evaluate_gpu.py

你好，index里面存的是序号，通俗地说，是排序的顺序，变长变短不影响。不需要和cmc的长度一致。

evaluate_gpu.py

我们捋一下。 rows_good 已经是删除过同camera里面的index了，然后这个index 还是原始cmc里面排序的序号。(删除一些index，不影响序号啊，只是可能断号了。比如原来【5，3，2，4，1】现在变成【5，3，1】少了2，4，但是这个序号还是能用来索引) 所以能用在cmc上。

evaluate_gpu.py

啊，是这样的。junk是完全不算的（同camera的样本）。所以你看新的 index =[5,3,2,4,1] 对应的 cmc = [0,1,1,1,1,1,1] 另外，你打错了，，rows_good = [1,3,4]

prepare_2020.py 难以理解

你好，你可以看README 在 https://github.com/layumi/AICIty-reID-2020/tree/master/pytorch 感谢～从prepare开始处理数据只要把下载的数据放在data文件夹下就行

‹
1
2
...
10
11
12
13
14
15
16
...
58
59
›