文章/答案/技术大牛

发布

社区首页 >问答首页 >DeepSORT的特征提取器不能用于Person ReIdentification

问DeepSORT的特征提取器不能用于Person ReIdentification
EN

Stack Overflow用户

提问于 2021-12-27 10:39:44

回答 1查看 272关注 0票数 0

我正在为DeepSORT - https://github.com/nwojke/deep_sort使用这种回购。

我正在尝试建立一个多摄像头的人跟踪系统。我想保存和利用从其他相机的镜头中提取的一个摄像头的特征。

在火星数据集上训练的特征提取器似乎无助于区分两个不同的人。

我编写了下面的片段来检查来自同一个人和不同人的图像之间的余弦距离。

extr = Extractor("./deep_sort_pytorch/deep_sort/deep/checkpoint/ckpt.t7")
list = glob.glob("mars/*.jpg")
features_list = []

for i in list:
    im = cv2.imread(i)
    im_crops = [im]
    features = extr(im_crops)
    features_list.append(features)

for f in features_list:
    print(_cosine_distance(f, features_list[0]),"<<")

def _cosine_distance(a, b, data_is_normalized=False):
    cos = nn.CosineSimilarity(dim=1, eps=1e-6)
    return (1. - cos(torch.from_numpy(a), torch.from_numpy(b)))

正如预期的那样，同一人的图像之间的余弦距离很小。但出乎意料的是，两种不同作物之间的余弦距离也同样低。

我以为特征提取器会帮助我区分。

我应该把潜在空间的尺寸从512增加到更大吗？

或者我误解了特征提取器的作用。

pytorch

computer-vision

feature-extraction

回答 1

Stack Overflow用户

回答已采纳

发布于 2022-03-15 14:42:01

稍微大一点的特征空间可能会有所帮助。但是您的主要问题是特性提取器的体系结构。为了匹配人并区别于冒名顶替者，相应的小局部区域(如鞋、眼镜)和全球全身区域同样重要。这不是由https://github.com/nwojke/deep_sort提供的简单特征提取器捕获的。有关此检查的更多信息：https://arxiv.org/pdf/1905.00953.pdf。我建议您尝试这里提供的任何OSNet模型：https://kaiyangzhou.github.io/deep-person-reid/MODEL_ZOO

我还可以建议您查看我的存储库：https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch。它似乎提供了您所需要的一切:多摄像机、多目标跟踪和OSNet模型。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/70494402

复制

相似问题

问DeepSORT的特征提取器不能用于Person ReIdentification
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问DeepSORT的特征提取器不能用于Person ReIdentificationEN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问DeepSORT的特征提取器不能用于Person ReIdentification
EN