本文介绍: Torchreid 是一个用于深度学习人员重新识别的库，用 PyTorch 编写，为我们的 ICCV’19 项目 Omni-Scale Feature Learning for Person Re-Identification 开发。
Torchreid 是一个用于深度学习人员重新识别的库，用 PyTorch 编写，为我们的 ICCV’19 项目 Omni-Scale Feature Learning for Person Re-Identification 开发。
PyTorch-ReID的特点是
多GPU训练
支持图像和视频 REID
端到端培训和评估
极其轻松地准备 Reid 数据集
多数据集训练
跨数据集评估
大多数研究论文使用的标准协议
高度可扩展（易于添加模型、数据集、训练方法等）
最先进的深度 REID 模型的实现
访问预训练的 Reid 模型
先进的培训技术
可视化工具（Tensorboard、Ranks 等）
代码：https://github.com/KaiyangZhou/deep–person–reid。
数据集地址：https://kaiyangzhou.github.io/deep-person-reid/datasets.html
文档：https://kaiyangzhou.github.io/deep–person–reid/。
操作说明：https://kaiyangzhou.github.io/deep–person–reid/user_guide。
模型动物园：https://kaiyangzhou.github.io/deep–person–reid/MODEL_ZOO。
技术报告：https://arxiv.org/abs/1910.10093。
你可以在这里找到一些建立在 Torchreid 之上的研究项目。
数据集下载链接
原文地址:https://blog.csdn.net/weixin_41194129/article/details/134611984
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_14373.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
![[pytorch入门] 2. tensorboard](https://img-blog.csdnimg.cn/direct/08e3c80aa9844665827398aeedc175a2.png)
