تنزيل PyRetri - تنزيل رمز المصدر PyRetri

PyRetri

بايثون

1.0.0

تنزيل

Pyretri

Benyi Hu ، Ren-Jie Song ، Xiu-Shen Wei*، Yazhou Yao ، Xian-Sheng Hua ، Yuehu Liu

المؤلف المقابل: xiu-shen wei

مقدمة

Pyretri (وضوحا باسم [ˈperɪˈtriː]) عبارة عن صندوق أدوات لتراجع الصور غير الخاضع للإشراف غير خاضع للإشراف مبني على Pytorch ، وهو مصمم للباحثين والمهندسين.

ميزات رئيسية

Pyretri هو صندوق أدوات لاسترجاع الصور غير خاضع للتعلم غير خاضع للاستخدامات المصممة مع وضع البساطة والمرونة في الاعتبار.

التصميم المعياري : نحلل استرجاع الصور غير الخاضع للإشراف في التعلم العميق إلى عدة مراحل ويمكن للمستخدمين بسهولة إنشاء خط أنابيب استرجاع الصور عن طريق اختيار وحدات مختلفة.
التحميل المرن : يمكن لـ Toolbox التكيف لتحميل عدة أنواع من معلمات النموذج ، بما في ذلك المعلمات ذات المفاتيح نفسها والشكل ، والمعلمات ذات المفاتيح المختلفة ، والمعلمات ذات المفاتيح نفسها ولكن الأشكال المختلفة.
دعم طرق متعددة : يدعم صندوق الأدوات مباشرة العديد من طرق Popluar المصممة لاسترجاع الصور غير الخاضعة للإشراف على التعلم العميق ، وهو أيضًا مناسب لإعادة تحديد الشخص.
أداة بحث التكوين : نقدم أداة البحث عن التكوين لمساعدة المستخدمين على العثور على تكوين الاسترجاع الأمثل مع مختلف المعلمات المفرطة.

الأساليب المدعومة

يدعم Toolbox Popluar والطرق البارزة لاسترجاع الصور غير الخاضع للإشراف ويمكن للمستخدمين أيضًا تصميم وحداتهم الخاصة.

ما قبل المعالجة
- توجيه ، padresize ، أقصر
- Centercrop ، Tencrop
- Twoflip
- TONSENSOR ، TOCAFFETENSOR
- تطبيع
تمثيل الميزة
- متوسط التجميع (GAP) ، Global Max Pooling (GMP)
- R-MAC ، SPOC ، CROW ، GEM ، SCDA ، PWA
- PCB
ما بعد المعالجة
- SVD ، PCA
- DBA
- QE ، K-Reciprocal

التحديثات

06 مايو 2020: ورقةنا متصلة بالإنترنت ، وترحب بك لتنزيل الورقة هنا.

29 أبريل 2020: تم إطلاق Pyretri!

تثبيت

يرجى الرجوع إلى install.md للتثبيت وإعداد مجموعة البيانات.

ابدأ

يرجى الاطلاع على get_started.md للاستخدام الأساسي لـ Pyretri.

طراز حديقة الحيوان

النتائج والنماذج متوفرة في model_zoo.md.

رخصة

يتم إصدار هذا المشروع بموجب ترخيص Apache 2.0.

اقتباس

إذا كنت تستخدم صندوق الأدوات هذا في بحثك ، فيرجى الاستشهاد بهذه الورقة.

 @inproceedings{Hu2020PyRetri,
  author    = {Benyi Hu and Ren{-}Jie Song and
               Xiu{-}Shen Wei and Yazhou Yao and
               Xian{-}Sheng Hua and Yuehu Liu},
  title     = {PyRetri: {A} PyTorch-based Library for Unsupervised Image Retrieval
               by Deep Convolutional Neural Networks},
  booktitle = {{ACM} International Conference on Multimedia ({ACM MM})},
  pages     = {4461--4464},
  year      = {2020},
}