yanbai1993

Hi, When I use multiple GPU for multi-batch inference, I encounter the following error. However, when performing multi-batch inference on a single GPU (develop branch), or single-batch inference on multiple...

在7天内，我会上传我训练时候的文件（修改了一些训练和测试list 的格式），我训练好的model 以及相应的性能。

请注意数据集的格式，因为使用了softmax，所有车辆id 必须从0开始编写，并注意分类器的类别数量和id 总数量是否一致。正常的训练和测试流程，在最新的vehicleID_v1.0 上，800的规模，可以获得82%的mAP

要用imagenet的模型初始化 发自我的 iPhone 在 2019年7月10日，15:03，chenchenver 写道： 嗯嗯是的，是VehicleID_V1.0，您记得训练的时候它的loss大概是从多少开始收敛的嘛，我在这里triplet大概是从1，softmax大概是从9~ ------------------ 原始邮件 ------------------ 发件人: "Andybert"; 发送时间: 2019年7月10日(星期三) 中午12:45 收件人: "yanbai1993/Embedding-Network"; 抄送: "陈大猫子";"Comment"; 主题: Re: [yanbai1993/Embedding-Network] On the latest version(VehicleID_V1.0) of VehicleID, the accuracy...

数据集正常处理，确认一下你们训练的时候有没有用imagenet初始化resnet50的网络。这个对性能影响较大 发自我的 iPhone 在 2019年7月10日，15:27，chenchenver 写道： 所以不能直接按照readme上面的步骤直接处理vehicleID数据集是嘛 ------------------ 原始邮件 ------------------ 发件人: "Andybert"; 发送时间: 2019年7月10日(星期三) 下午3:19 收件人: "yanbai1993/Embedding-Network"; 抄送: "陈大猫子";"Comment"; 主题: Re: [yanbai1993/Embedding-Network] On the latest version(VehicleID_V1.0) of VehicleID, the accuracy...

是的，这份代码还是比较好训练的。而且当采用resnet50 backbone的时候，VeRI数据集的mAP会达到72-74左右。我在论文中报道的是VGGM的backbone.

对于图a，img是图a的各种crop的集合（比如对图a随机裁剪5次）。这段代码的操作是对于图a的几个样本的特征取均值。 如果你不进行crop操作，或其它处理，img仅有一张图像，所以这段代码处理之后，不改变img特征。 发自我的iPhone 在 2020年6月19日，21:42，daiguangzhao 写道：  小姐姐你好~ 感谢您和您团队的工作! 在embed_vehicleID_fc.py 105行-112行的代码,如下: for im in img: im = im.cuda() embd, _ = model(im) embd = embd.detach().cpu().numpy() embds.append(embd) embed = sum(embds) /...

我又优化了代码，优化的性能会更高些。而且留意一下网络结构，这个版本的代码是resnet50。 发自我的 iPhone 在 2019年7月12日，11:56，chenchenver 写道： 作者小姐姐你好，我在Embedding Adversarial Learning for Vehicle Re-Identification论文中看到的测试结果如图所示！而自己训练的时候mAP高达82，rank排名也高很多，是什么原因呢~~ [图片1] — You are receiving this because you are subscribed to this thread. Reply to this email directly,...

恭喜你哦～可能是你的方法更有效，也可能是backbone不同，带来了更高的性能