Deep-Learning project for CNN class.
We followed this paper: Improving Person Re-identification by Attribute and Identity Learning
Infos about the dataset: https://github.com/vana77/Market-1501_Attribute
Nous avons implémenté:
- Un modèle pour la classfications d'attributs (~90% d'accuracy) après une quinzaine d'epochs.
- L'augmentation d'images (cropping, distortion, noise etc).
- Un modèle pour la classification d'ID combiné avec la classification d'attributs. Le modèle s'entraîne avec 2 losses en même temps et obtient ~94% d'accuracy en validation sur la prédiction d'ID après environ 40 epochs, après un entraînement sur 75% des données.
- Le module d'attribute re-weighting, qui est en fait un simple layer Dense dont la sortie est multipliée par les attributs
- Le calcul de la distance euclidienne, cependant celui-ci donne de mauvais résultats: peut-être que nous sélectionnons le mauvais vecteur de features. Il est compliqué de calculer l'accuracy réelle car comparer chaque image à 25 000 autres prend trop de temps et de puissance de calculs.
