person search
===============
<div align="center">
<img src="show.jpg" width="900px"/>
<p> 对特定行人进行检索演示 .</p>
</div>
:trophy: 利用YOLOv3结合行人重识别模型实现场景图片的特定行人检索
文章链接: https://zhuanlan.zhihu.com/p/82398949
代码使用小教程:https://blog.csdn.net/songwsx/article/details/101693665
------
:running: Getting Started
-----
## :one: Clone the repo:
```
git clone https://github.com/songwsx/person_search_demo
```
-----
## :two: Dependencies
Tested under python3.6 Ubantu16.04
- python packages
- opencv-python
- tb-nightly
- torch >= 1.0
---------
## :three: 权重文件下载
YOLO是直接采用原来的权重文件,并且还支持YOLO-spp.
行人重识别采用了Market1501、CUHK03和MSMT17三个数据集大概十七万张图片进行联合训练的,泛化性能更好。
训练好的模型已经上传到了群文件中,欢迎加群下载,一起交流
百度云链接:
链接:https://pan.baidu.com/s/16kyogSsGwL2VgMkNSn9-zg
提取码:f0g9
#### :point_right: 云深不知处-目标检测 763679865
下载完成后,将权重文件放在新建的**person_search_demo/weights**文件夹下即可
-----
:four: 进行测试,查找特定行人
--------
```
python search.py
```
结果将保存在output文件夹
速度在Ttian XP测试,大概有17 FPS
## :five: 进行训练
行人检测模型采用的是YOLOv3的代码,因此可以直接利用原[YOLO](https://link.zhihu.com/?target=https%3A//github.com/ultralytics/yolov3)的代码进行训练,得到权重文件。
行人重识别模型采用的是[strong reid baseline](https://link.zhihu.com/?target=https%3A//github.com/michuanhaohao/reid-strong-baseline)的模型,不过为了取得更好的泛化效果,可以多数据集联合训练,得到最终权重文件。
## 数据集制作
行人重识别数据集:
链接:https://pan.baidu.com/s/1NlOv3go2_T_mTCf8g7nFyA
提取码:8lr5
多数据集统一成market1501数据集的教程:
https://blog.csdn.net/songwsx/article/details/102987787
评论13