FastReID 从pytorch到caffe （一）制作自己的数据集

FastReID 从pytorch到caffe （一）制作自己的数据集
FastReID 从pytorch到caffe （一）制作自己的数据集
- 0. 初识ReID
  
  1. Market-1501数据集
  
  2. 制作自己的数据集MyData
0. 初识ReID
- ReID，全拼为Re-identification，目的是利用各种智能算法在图像数据库中找到与要搜索的目标相似的对象。ReID是图像检索的一个子任务，本质上是图像检索而不是图像分类；
- fast-reid 是一个强悍的目标重识别Reid开源库，由京东开源管理；
- 行人重识别是目前应用较多的项目，基于对目标特征的提取，匹配不同场景下的目标，同样可以拓展到多个不同领域的重识别；
- 本例通过行人reid详细解读从数据集到模型训练再到模型移植全过程，提供一个fastreid基础操作流程；
1. Market-1501数据集
- Market-1501是用于行人重识别的大规模公共基准数据集。它包含由6个不同的摄像机捕获的1501个行人，以及32,668个行人图像边界框。数据集分为两部分：其中750人的图像用于训练，其余751人的图像用于测试。在官方测试协议中，选择3,368个查询图像作为查询集query，以在
相关阅读:
主键、外键、建表范式、MySQL索引、用户管理
 微信小程序如何在公共组件中改变某一个页面的属性值
 Redis基础特性及应用练习-php
JavaScript学习（二）——基本对象
 1.数据库概念
 Goland设置头注释
 【vue】vue 中插槽的三种类型：
推荐算法学习笔记2.2:基于深度学习的推荐算法-基于特征交叉组合+逻辑回归思路的深度推荐算法-Deep Crossing模型
 自动激光分板系统（自动PCB激光分板系统)市场现状分析
 Vue load 页面报错：Error: Request failed with status code 404 ###createError.js
原文地址：https://blog.csdn.net/wangxiaobei2017/article/details/128040892

FastReID 从pytorch到caffe （一）制作自己的数据集

0. 初识ReID

1. Market-1501数据集