利用YOLOv3结合行人重识别模型，实现行人的检测识别，查找特定行人.zip

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