在VeRi数据集上的训练问题及测试结果。
fukai001 opened this issue · comments
你好，我用VeRi-776数据集进行训练，其中576类作为训练集，200类作为测试集。
1、在model.py中，将class_num=576。
2、在test.py中，将这里model_structure = ft_net(200)，设为测试集的200类，执行python test.py时会报错，说训练模型为576维的，而这里200维，不相符。 但是，将这里model_structure = ft_net(576)，设为训练集的576类，执行python test.py不报错，但是rank1,rank5,rank10,map的结果全部是0。这是为什么呀？
3、请问，训练集与测试集的类别数目需要一样吗？ 在原始code中 Market数据集，训练和测试都是751类。（请问，我使用VeRi-776，如何分配？ 是训练集576，测试集200？ 还是训练集388，测试集388呢？）
Hi @fukai001
- 你不需要手动设置，train会自动统计class数量。作为模型的输入。
- 测试的时候要和训练的模型一致。 我们是提取特征，而不是提取分类结果。所以你测试时，你需要载入训练的模型（包括分类数是一致的），提取的特征纬度应该是2048（如果你用ft_net）。 关于结果是0，你需要检查特征是否都为不同，在测试时normal等操作是否做的对，输出特征是否为float类型等等，看看哪里有bug。
- 原始Market模型数量是不同的， 训练是751类，测试是750类。建议你查一下VerRi-776原来的设置。我记得原来就划好了，可以按照原来的划分进行实验。
好的，我再试试，非常感谢！
Hi @fukai001
- 你不需要手动设置，train会自动统计class数量。作为模型的输入。
- 测试的时候要和训练的模型一致。 我们是提取特征，而不是提取分类结果。所以你测试时，你需要载入训练的模型（包括分类数是一致的），提取的特征纬度应该是2048（如果你用ft_net）。 关于结果是0，你需要检查特征是否都为不同，在测试时normal等操作是否做的对，输出特征是否为float类型等等，看看哪里有bug。
- 原始Market模型数量是不同的， 训练是751类，测试是750类。建议你查一下VerRi-776原来的设置。我记得原来就划好了，可以按照原来的划分进行实验。
你好，对于测试结果为0，我发现应该是图片命名的问题。主要问题在摄像头的命名中。我查看特征向量中的gallery_cam与query_cam发现，所有值都是0。 VeRi数据集的命名是：0002_c002_00030600_0.jpg。有两个问题：
1、命名规则需要完全和Market一样吗？ 即，每一个下划线隔开的项目中 的数据位数也必须一致吗？
2、VeRi数据集有20个摄像头，我可以写成：0002_c16s1_00030600_0.jpg吗？
不要意思，打扰大神了，我找到问题了，就是图片命名，没有对应上摄像头的名称。 我查看并修改了代码，现在已经解决了，万分感谢。
请问你具体是什么解决的？
谢谢！
https://github.com/layumi/Person_reID_baseline_pytorch/blob/master/test.py#L186
我没跑过VeRi，应该是这一行的0 改成 0:3 来读取 002 或者类似的
对的，大神一看就知道。
是的，大神就是大神！
已解决。非常感谢！
你好，我用VeRi-776数据集进行训练，其中576类作为训练集，200类作为测试集。
1、在model.py中，将class_num=576。
2、在test.py中，将这里model_structure = ft_net(200)，设为测试集的200类，执行python test.py时会报错，说训练模型为576维的，而这里200维，不相符。 但是，将这里model_structure = ft_net(576)，设为训练集的576类，执行python test.py不报错，但是rank1,rank5,rank10,map的结果全部是0。这是为什么呀？
3、请问，训练集与测试集的类别数目需要一样吗？ 在原始code中 Market数据集，训练和测试都是751类。（请问，我使用VeRi-776，如何分配？ 是训练集576，测试集200？ 还是训练集388，测试集388呢？）
你好 请问使用VERI数据集训练要修改什么呢 请问你有上传你的代码么 谢谢
你好，我用VeRi-776数据集进行训练，其中576类作为训练集，200类作为测试集。
1、在model.py中，将class_num=576。
2、在test.py中，将这里model_structure = ft_net(200)，设为测试集的200类，执行python test.py时会报错，说训练模型为576维的，而这里200维，不相符。 但是，将这里model_structure = ft_net(576)，设为训练集的576类，执行python test.py不报错，但是rank1,rank5,rank10,map的结果全部是0。这是为什么呀？
3、请问，训练集与测试集的类别数目需要一样吗？ 在原始code中 Market数据集，训练和测试都是751类。（请问，我使用VeRi-776，如何分配？ 是训练集576，测试集200？ 还是训练集388，测试集388呢？）
你好 请问你可以分享一下训练好的pth嘛，暂时在家，我的笔记本训练不了QAQ
Hi @fukai001
- 你不需要手动设置，train会自动统计class数量。作为模型的输入。
- 测试的时候要和训练的模型一致。 我们是提取特征，而不是提取分类结果。所以你测试时，你需要载入训练的模型（包括分类数是一致的），提取的特征纬度应该是2048（如果你用ft_net）。 关于结果是0，你需要检查特征是否都为不同，在测试时normal等操作是否做的对，输出特征是否为float类型等等，看看哪里有bug。
- 原始Market模型数量是不同的， 训练是751类，测试是750类。建议你查一下VerRi-776原来的设置。我记得原来就划好了，可以按照原来的划分进行实验。
您好，想问一下，比如train上的类别为500个ID，val上为200个ID，并且val上的ID在train中不重复，这样train自动统计的class数量是不是不太对？因为从分类的角度来说应该有700个（500+200）
你好，我想问下。训练时是用fp16训练得到的模型，那么测试时不能用fp16吗 我看test.py中将关于fp16的代码都注释掉了
请问有考虑三元组损失吗？我在代码中没有找到