Descargar PyRetri - Descargar el código fuente de PyRetri

PyRetri

Pitón

1.0.0

Descargar

Piretri

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

Autor correspondiente: Xiu-Shen Wei

Introducción

Pyretri (pronunciado como [ˈperɪˈtriː]) es una caja de herramientas de recuperación de imágenes no supervisada basada en el aprendizaje profundo unificado basado en la caja de herramientas construida en Pytorch, que está diseñada para investigadores e ingenieros.

imagen

Características principales

Pyretri es una caja de herramientas de recuperación de imágenes no supervisada versátil basada en el aprendizaje profundo diseñada con simplicidad y flexibilidad en mente.

Diseño modular : descomponemos la recuperación de imágenes no supervisada basada en el aprendizaje profundo en varias etapas y los usuarios pueden construir fácilmente una tubería de recuperación de imágenes seleccionando y combinando diferentes módulos.
Carga flexible : la caja de herramientas puede adaptarse para cargar varios tipos de parámetros del modelo, incluidos los parámetros con las mismas teclas y forma, parámetros con diferentes claves y parámetros con las mismas teclas pero diferentes formas.
Soporte de múltiples métodos : la caja de herramientas admite directamente varios métodos PopLuar diseñados para la recuperación de imágenes no supervisada basada en el aprendizaje profundo, que también es adecuado para la reidentificación de la persona.
Herramienta de búsqueda de configuración : proporcionamos la herramienta de búsqueda de configuración para ayudar a los usuarios a encontrar la configuración de recuperación óptima con varios hiperparametros.

Métodos compatibles

La caja de herramientas admite Popluar y métodos destacados de recuperación de imágenes no supervisada y los usuarios también pueden diseñar y agregar sus propios módulos.

Preprocesamiento
- Dirigirse, empararse, corto, corto
- Centercrop, Tencrop
- Twoflip
- Totensor, ToCaffetensor
- Normalizar
Representación de características
- Agrupación promedio global (GAP), Global Max Pooling (GMP)
- R-Mac, Spoc, Crow, Gem, SCDA, PWA
- tarjeta de circuito impreso
Postprocesamiento
- SVD, PCA
- Dba
- QE, K-reciprocal

Actualizaciones

06 de mayo de 2020: Nuestro documento está en línea, es bienvenido a descargar el documento aquí.

29 de abril de 2020: ¡ Nuestro Pyretri se lanza!

Instalación

Consulte Install.md para la instalación y la preparación del conjunto de datos.

Empezar

Consulte Getting_started.md para el uso básico de Pyretri.

Zoológico modelo

Los resultados y los modelos están disponibles en model_zoo.md.

Licencia

Este proyecto se publica bajo la licencia Apache 2.0.

Citación

Si usa esta caja de herramientas en su investigación, cita este documento.

 @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},
}