Скачать PyRetri - Скачать исходный код PyRetri

PyRetri

Питон

1.0.0

Скачать

Пиретри

Бений Ху, Рен-д-д-джи Сонг, Сю-Шен Вей*, Ячжоу Яо, Сянь-Шенг Хуа, Юэху Лю

Автор-корреспондент: xiu-shen wei

Введение

Pyretri (произносится как [ˈperɪˈtriː]) представляет собой единый на основе беспроводного наборочного ящика для поиска изображений, основанного на Pytorch, который предназначен для исследователей и инженеров.

Основные особенности

Pyretri - это универсальный глубокий обучение на основе неконтролируемого набора инструментов для поиска изображений, разработанного с учетом простоты и гибкости.

Модульный дизайн : мы разлагаем неконтролируемое поиск изображения на основе глубокого обучения на несколько этапов, и пользователи могут легко построить конвейер поиска изображения, выбирая и объединяя различные модули.
Гибкая загрузка : набор инструментов способен адаптироваться к загрузке нескольких типов параметров модели, включая параметры с одинаковыми клавишами и формой, параметры с разными клавишами и параметры с одинаковыми ключами, но разными формами.
Поддержка нескольких методов : набор инструментов непосредственно поддерживает несколько методов топоара, предназначенных для неконтролируемого извлечения изображений, основанных на глубоком обучении, что также подходит для повторной идентификации человека.
Инструмент поиска конфигурации : мы предоставляем инструмент поиска конфигурации, чтобы помочь пользователям найти оптимальную конфигурацию поиска с различными гиперпараметрами.

Поддерживаемые методы

На инструментарии поддерживают топлуар и заметные методы неконтролируемого поиска изображений, и пользователи также могут проектировать и добавлять свои собственные модули.

Предварительная обработка
- Directresize, Padresize, ShorterResize
- CenterCrop, Tencrop
- Двойная
- Fotensor, Tocaffetensor
- Нормализовать
Представление функций
- Глобальный средний объединение (разрыв), глобальный максимальный объединение (GMP)
- R-MAC, SPOC, Crow, Gem, SCDA, PWA
- Печатная плата
Пост-обработка
- SVD, PCA
- Дольдомер
- Qe, k-reciprocal

Обновления

06 мая 2020 года. Наша статья находится в Интернете, вы должны загружать бумагу здесь.

29 апреля 2020 года. Наша пиретрия запускается!

Установка

Пожалуйста, обратитесь к install.md для установки и подготовки набора данных.

Начните

Пожалуйста, смотрите get get_started.md для основного использования Pyretri.

Модельный зоопарк

Результаты и модели доступны в Model_zoo.md.

Лицензия

Этот проект выпущен по лицензии Apache 2.0.

Цитирование

Если вы используете этот набор инструментов в своем исследовании, указать эту статью.

 @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},
}