fast reid

吉特：快速瑞德/社区

微信：

法斯特雷德（Fastreid）是一个实现最新重新识别算法的研究平台。它是以前版本的Reid Strong基线的基础重写。

什么是新的

• [2021年9月] DG-REID已更新，您可以检查纸张。
• [2021年6月]支持连续参数，现在可以加速约20％。
• [2021年5月]支持视觉变压器骨干，请参见configs/Market1501/bagtricks_vit.yml 。
• [2021年4月] FASTFACE支持的部分FC！
• [2021年1月] Fastrt中的TRT网络定义API已发布！感谢Darren的贡献。
• [2021年1月] NAIC20（REID Track）基于法斯特雷德的1-ST解决方案已释放！
• [2021年1月] Fastreid V1.0已发布！？支持Reid之外的许多任务，例如图像检索和面部识别。请参阅发行说明。
• [2020年10月]基于法斯特雷德添加了高参数优化。请参阅projects/FastTune 。
• [2020年9月]添加了基于法斯特雷德的人属性识别。请参阅projects/FastAttr 。
• [2020年9月] apex支持自动混合精度训练。设置cfg.SOLVER.FP16_ENABLED=True以打开它。
• [2020年8月]支持Guan'an Wang的贡献，支持了模型蒸馏。
• [2020年8月]支持ONNX/Tensorrt转换器。
• [2020年7月]使用多个GPU分发培训，训练速度更快。
• 包括更多功能，例如圆形丢失，丰富的可视化方法和评估指标，传统，跨域，部分和车辆重新ID的SOTA结果，同时对多数据库进行测试，等等。
• 可以用作库，以支持其上方的不同项目。我们将以这种方式开放更多的研究项目。
• 删除IGNITE（高级库）依赖性，并由Pytorch提供动力。

我们编写了有关此工具箱的Fastreid简介和Fastreid V1.0。

ChangElog

有关详细信息和发布历史记录，请参考ChangElog.md。

安装

请参阅install.md。

快速开始

设计的架构遵循本指南Pytorch-project-template，您可以自己检查每个文件夹的目的。

请参阅get_started.md。

在文档中了解更多信息。并查看项目/有关Fastreid之上的一些项目。

模型动物园和基线

我们提供大量的基线结果和经过训练的模型，可在Fastreid模型动物园中下载。

部署

我们提供了一些示例和脚本，以将法斯特雷德模型转换为Fastreid部署中的Caffe，Onnx和Tensorrt格式。

执照

Fastreid由Apache 2.0许可证发布。

引用法斯特雷德

如果您在研究中使用Fastreid或希望参考模型动物园中发布的基线结果，请使用以下Bibtex条目。

 @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 }
}