- result/
一些图像及可视化结果示意
- pytorch_metric_learning/
度量学习的一些工具，在本项目中主要用于计算度量学习方法下的识别准确率 可参考此工具进行一些其他度量学习工作的拓展
- pretrainedmodels/
在imagenet上一些常见模型的预训练参数的获得 在本项目中用这个包中的预训练模型进行cam及distcam的生成和评估
- distcam_eval.py
用pretrain得到的backbone进行embedding 用保存的prototype评估metric分类准确率
- faiss_demo.py
faiss库用法示例
- distcam_generate.py
以1shot任务为例，对单张图像进行dist_cam生成 多shot任务可在此基础上进行扩展 imagenet上的度量学习任务，可先用make_prototype.py文件生成该backbone下1000个类的prototype，在distcam_generate上进行扩展，生成distcam可视化结果
- make_prototype.py.py (针对imagenet2012-trainset数据量太大的问题，对每个类别的样本单独embed然后计算prototype，保存在pickle中）
用pretrain得到的backbone进行embedding 保存计算出来的prototype
- dataset
imagenet验证集图像路径: /home/shenyq/data/ILSVRC2012_val/images/ imagenet验证集bbox标签xml文件路径: /home/shenyq/data/ILSVRC2012_val/bbox/ imagenet验证集class标签txt文件: /home/shenyq/data/ILSVRC2012_val/val.txt imagenet训练集图像路径: /home/shenyq/data/ILSVRC2012_train/ imagenet训练集csv标签路径: /home/shenyq/data/ILSVRC2012_train/csv1000/