Zhedong Zheng
Zhedong Zheng
Thank you @chesianatalia Yes. BTW, old timm like 0.6. 0.7 may be not a stable SwinV2. For the latest timm, you also need python >=3.8, otherwise you may meet some...
你好 。 我有点忘记我当时结果了，我认为你的结果还是偏低。 viper因为训练集比较小，我推荐是 拉高一下 dropout ， 以及采用 小的batchsize 比如8 ，来训练。 另外，可能混合 market 等数据集 一起训练 也有助于提高结果。
Hi @PiBigStar5712 Sorry for the late response. Your training set only have one identity of one class? It would be great to conduct the style transfer or using the data...
@Dhaizei 不好意思 回晚了。 1. 我一般改成dp的话，结果差不多。可能掉一些。 ddp我也不太熟练。。不好意思啊。 rank1 到 95左右 就开始抖动了，没有map稳定。 所以后期 我基本看 map来判断模型的可靠度。 rank1 有点难说。最简单的 还是 用PCB等等方式 搞成类似model ensemble的形式。 另外，可以尝试加长测试特征，也可以提高结果。我默认设置512，其实 1024/2048结果可能更好。 2. 是的。因为加了一些新的功能。。。所以最好还是自己重新训练模型。
你好 。 感谢关注。我也没什么经验，要不您可以重新下载解压一次？
你好。类似，但不太一样。 Paper里 有 1. 两个共享权重的 backbone； 2. backbone之间通过最后的特征联系，做两种或多种 losses。 我这边实现的话 直接用一个 backbone，一个batch内 选择两个特征，做两种或多种 losses。 其实效果上是类似的
你好 有具体错误可以贴一下么？感谢！
你好 @Weizhongjin MSMT 一般比较有难度，Market直接迁移过去 大概 1-4 mAP。 你可以参考，我的 VehicleNet 这一篇论文。 https://zdzheng.xyz/publications/ 另外，一个小trick，数据量大了以后不容易过拟合了，推荐把dropout降低到 0.2 。 类似imagenet上最牛的方法用的 都是dropout0.2 。
哦哦 @Weizhongjin 还有一点 ， resnet50-ibn 确实 在迁移上好一些，因为有 instance norm在。
Hi @ZzzybEric Thank you. 1. I am not sure about this. You need to check the image number of train / query/ gallery with the paper to ensure it is...