fast reid

吉特：快速瑞德/社區

微信：

法斯特雷德（Fastreid）是一個實現最新重新識別算法的研究平台。它是以前版本的Reid Strong基線的基礎重寫。

什麼是新的

• [2021年9月] DG-REID已更新，您可以檢查紙張。
• [2021年6月]支持連續參數，現在可以加速約20％。
• [2021年5月]支持視覺變壓器骨幹，請參見configs/Market1501/bagtricks_vit.yml 。
• [2021年4月] FASTFACE支持的部分FC！
• [2021年1月] Fastrt中的TRT網絡定義API已發布！感謝Darren的貢獻。
• [2021年1月] NAIC20（REID Track）基於法斯特雷德的1-ST解決方案已釋放！
• [2021年1月] Fastreid V1.0已發布！ ？支持Reid之外的許多任務，例如圖像檢索和麵部識別。請參閱發行說明。
• [2020年10月]基於法斯特雷德添加了高參數優化。請參閱projects/FastTune 。
• [2020年9月]添加了基於法斯特雷德的人屬性識別。請參閱projects/FastAttr 。
• [2020年9月] apex支持自動混合精度訓練。設置cfg.SOLVER.FP16_ENABLED=True以打開它。
• [2020年8月]支持Guan'an Wang的貢獻，支持了模型蒸餾。
• [2020年8月]支持ONNX/Tensorrt轉換器。
• [2020年7月]使用多個GPU分發培訓，訓練速度更快。
• 包括更多功能，例如圓形丟失，豐富的可視化方法和評估指標，傳統，跨域，部分和車輛重新ID的SOTA結果，同時對多數據庫進行測試，等等。
• 可以用作庫，以支持其上方的不同項目。我們將以這種方式開放更多的研究項目。
• 刪除IGNITE（高級庫）依賴性，並由Pytorch提供動力。

我們編寫了有關此工具箱的Fastreid簡介和Fastreid V1.0。

ChangElog

有關詳細信息和發布歷史記錄，請參考ChangElog.md。

安裝

請參閱install.md。

快速開始

設計的架構遵循本指南Pytorch-project-template，您可以自己檢查每個文件夾的目的。

請參閱get_started.md。

在文檔中了解更多信息。並查看項目/有關Fastreid之上的一些項目。

模型動物園和基線

我們提供大量的基線結果和經過訓練的模型，可在Fastreid模型動物園中下載。

部署

我們提供了一些示例和腳本，以將法斯特雷德模型轉換為Fastreid部署中的Caffe，Onnx和Tensorrt格式。

執照

Fastreid由Apache 2.0許可證發布。

引用法斯特雷德

如果您在研究中使用Fastreid或希望參考模型動物園中發布的基線結果，請使用以下Bibtex條目。

 @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 }
}