Person ReID
Person_ReID_Baseline使用resnet50 finetune提特征,加入了triplet loss
Strong_Person_ReID_Baseline使用resnet50。在上面基础上修改Last stride为1,增加特征的细粒度;添加Warm up learning rate,防止模型训练初期的抖动;Label smoothing,降低模型的过拟合,平滑分类能力;BNNeck,将抽取特征和ID分类在不同的维度上,增加特征的泛化能力;Center loss,减少类内特征的方差。
Batch Size 64 : Rank1(mAP),Re_ranking Rank1(mAP)
Softmax | Softmax+S1 | Softmax+Triplet | Softmax+Triplet+S1 | Strong baseline | |
---|---|---|---|---|---|
Market1501 | 91.5(77.8)91.0(86.0) | 91.7(78.7)93.2(91.6) | 92.8(81.7)93.0(90.0) | 93.3(84.9)94.7(93.6) | 93.8(85.4)94.8(93.5) |
DukeMTMC | 83.3(66.1)84.4(79.0) | 82.8(66.9)86.3(88.3) | 86.0(72.3)88.8(83.8) | 86.4(74.0)90.1(88.3) | 86.0(74.4)90.2(88.2) |
看我写的辛苦求打赏啊!!!有学术讨论和指点请加微信manutdzou,注明