fast reid

Gitter: Fast-Reid/Community

Wechat:

Fastreid ist eine Forschungsplattform, die hochmoderne Neuidentifizierungsalgorithmen implementiert. Es ist ein bundem Umschreiben der vorherigen Version, Reid Strong Baseline.

Was ist neu

• [Sep 2021] DG-REID wird aktualisiert, Sie können das Papier überprüfen.
• [Juni 2021] Die angrenzenden Parameter werden unterstützt, jetzt kann es ~ 20%beschleunigen.
• [Mai 2021] Backbone des Vision Transformators unterstützt, siehe configs/Market1501/bagtricks_vit.yml .
• [APR 2021] Partial FC unterstützt in Fastface!
• [Jan 2021] TRT Network Definition APIs in Fastrt wurde veröffentlicht! Danke für Darrens Beitrag.
• [Jan 2021] NAIC20 (REID Track) 1-ST-Lösung basierend auf Fastreid wurde veröffentlicht！
• [Jan 2021] Fastreid v1.0 wurde veröffentlicht ！? Unterstützen Sie viele Aufgaben jenseits von Reid, ein solches Image -Abruf und die Gesichtserkennung. Siehe Versionshinweise.
• [Okt 2020] fügten die Hyper-Parameter-Optimierung basierend auf Fastreid hinzu. Siehe projects/FastTune .
• [Sep 2020] fügte die Anerkennung der Person Attribut anhand von Fastreid hinzu. Siehe projects/FastAttr .
• [Sep 2020] Automatisches Training mit gemischtem Präzision wird mit apex unterstützt. Setzen Sie cfg.SOLVER.FP16_ENABLED=True , um es einzuschalten.
• [Aug 2020] Die Modelldestillation wird unterstützt, danke für den Beitrag von Guan'an Wang.
• [Aug 2020] Der OnNX/Tensorrt -Konverter wird unterstützt.
• [Jul 2020] Verteilte Schulungen mit mehreren GPUs trainiert viel schneller.
• Enthält mehr Merkmale wie Kreisverlust, reichlich vorhandene Visualisierungsmethoden und Bewertungsmetriken, SOTA-Ergebnisse zu herkömmlichen, Cross-Domain-, Teil- und Fahrzeug-Wiederholungen, Tests an Multi-Datensätzen gleichzeitig usw.
• Kann als Bibliothek verwendet werden, um verschiedene Projekte darüber zu unterstützen. Auf diese Weise werden wir mehr Forschungsprojekte offen.
• Entfernen Sie die Abhängigkeit von Ignite (eine Bibliothek auf hoher Ebene) und von Pytorch angetrieben.

Wir schreiben ein fastreides Intro- und Fastreid -V1.0 über diese Toolbox.

Changelog

Weitere Informationen und Veröffentlichungsgeschichte finden Sie in ChangeLog.md.

Installation

Siehe install.md.

Schneller Start

Die entworfene Architektur folgt diesem Leitfaden Pytorch-Project-Template. Sie können den Zweck jedes Ordners selbst überprüfen.

Siehe Get_Started.md.

Erfahren Sie mehr in der Out -Dokumentation. Und sehen Sie Projekte/ für einige Projekte, die auf Fastreid aufgebaut sind.

Modellzoo und Baselines

Wir bieten einen großen Satz von Grundlinienergebnissen und trainierte Modelle, die im Fastreid -Modellzoo heruntergeladen werden können.

Einsatz

Wir stellen einige Beispiele und Skripte zur Verfügung, um das Fastreid -Modell in Kaffe, ONNX- und Tensorrt -Format im Fastreid -Bereitstellen umzuwandeln.

Lizenz

Fastreid wird unter der Apache 2.0 -Lizenz veröffentlicht.

Unter Berufung auf Fastreid

Wenn Sie Fastreid in Ihrer Recherche verwenden oder sich auf die im Modellzoo veröffentlichten Grundlinienergebnisse beziehen möchten, verwenden Sie bitte den folgenden Bibtex -Eintrag.

 @article { he2020fastreid ,
  title = { FastReID: A Pytorch Toolbox for General Instance Re-identification } ,
  author = { He, Lingxiao and Liao, Xingyu and Liu, Wu and Liu, Xinchen and Cheng, Peng and Mei, Tao } ,
  journal = { arXiv preprint arXiv:2006.02631 } ,
  year = { 2020 }
}