本项目是车辆检索与检测系统的检索部分,通过读取图片,分析得到车辆ID,并从数据库中检索到相匹配的车辆。 不过目前依然存在一些需要改进的地方,之后再提交更新的版本。
西安交通大学软件学院场景检索与检测组
小组成员:吴潇、宋康、刘敬乐、宋晨明
指导老师:李垚辰
>imgs 测试图片,一些车辆的图像
>ui_imgs 图形化界面图像
>waiting2mark 等待标记的代码文件
......
>db_opt.py 数据库操作,用于向数据库查询匹配车辆
>InitRepNet.py 网络结构初始化
>RepNet.py 网络结构以及一些工具类
>RepNetV1.py 修改的第一个版本的代码
>RepNetV2.py 修改的第二个版本的代码,命令行运行,需要给定图片路径, 主体代码从2013行开始, 有相关注释
>RepNetV3.py 修改的第三个版本的代码,直接运行,图形化界面操作, 主体代码从2021行开始,有相关注释
>ui_widget.py ui界面设计,使用pyqt5
*** 新增相似度计算 ****
>cal_feature.py
首先请安装anaconda,为了提高下载速度,请将源更换为国内的源
conda create -n vehicle python=3.6
请确保你的电脑已经安装cuda,通过nvcc -V可以查看cuda版本
> conda activate vehicle
> git clone
> cd vehicle_search_xjtu
> pip install -r requirements.txt
抱歉,暂时不能提供预训练的模型以及代码,如果需要,请联系我 1148392984@qq.com
主要运行程序为RepNetV2.py以及RepNetV3.py
python RepNetV2.py -i <vehicle_image>
OR
python RepNetV3.py
相似度计算:
python cal_feature.py 需要更改源代码来更换图片
- 图形化界面,部分地方改成线程调用
- 代码封装,要将一部分代码封装成类
- 数据库改进,为了提高查询速度,后期修改为mongodb数据库
- 添加训练模块代码
Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles