基于python的行人重识别代码

该代码实现了对行人重识别，准确率达到88%左右，最好的情况的下可以达到90%。

import argparse
import scipy.io
import torch
import numpy as np
import time
import os
from torchvision import datasets models transforms
import matplotlib
matplotlib.use（‘agg‘）
import matplotlib.pyplot as plt
#######################################################################
# Evaluate
parser = argparse.ArgumentParser（description=‘Demo‘）
parser.add_argument（‘--query_index‘ default=777 type=int help=‘test_image_index‘）
parser.add_argument（‘--test_dir‘default=‘../Market/pytorch‘type=str help=‘./test_data‘）
opts = parser.parse_args（）

data_dir = opts.test_dir
image_datasets = {x: datasets.ImageFolder（ os.path.join（data_dirx） ） for x in [‘gallery‘‘query‘]}

#####################################################################
#Show result
def imshow（path title=None）:
    “““Imshow for Tensor.“““
    im = plt.imread（path）
    plt.imshow（im）
    if title is not None:
        plt.title（title）
    plt.pause（0.001）  # pause a bit so that plots are updated

######################################################################
result = scipy.io.loadmat（‘pytorch_result.mat‘）
query_feature = torch.FloatTensor（result[‘query_f‘]）
query_cam = result[‘query_cam‘][0]
query_label = result[‘query_label‘][0]
gallery_feature = torch.FloatTensor（result[‘gallery_f‘]）
gallery_cam = result[‘gallery_cam‘][0]
gallery_label = result[‘gallery_label‘][0]

multi = os.path.isfile（‘multi_query.mat‘）

if multi:
    m_result = scipy.io.loadmat（‘multi_query.mat‘）
    mquery_feature = torch.FloatTensor（m_result[‘mquery_f‘]）
    mquery_cam = m_result[‘mquery_cam‘][0]
    mquery_label = m_result[‘mquery_label‘][0]
    mquery_feature = mquery_feature.cuda（）

query_feature = query_feature.cuda（）
gallery_feature = gallery_feature.cuda（）

#######################################################################
# sort the images
def sort_img（qf ql qc gf gl gc）:
    query = qf.view（-11）
    # print（query.shape）
    score = torch.mm（gfquery）
    score = score.squeeze（1）.cpu（）
    score = score.numpy（）
    # predict index
    index = np.argsort（score）  #from small to large
    index = index[::-1]
    # index = index[0:2000]
    # good index
    query_index = np.argwhere（gl==ql）
    #same camera
    camera_index = np.argwhere（gc==qc）

    good_index = np.setdiff1d（query_index camera_index assume_unique=True）
    junk_index1 = np.argwhere（gl==-1）
    junk_index2 = np.intersect1d（query_index camera_index）
    junk_index = np.append（junk_index2 junk_index1） 

    mask = np.in1d（index junk_index invert=True）
    index = index[mask]
    return index

i = opts.query_index
index = sort_img（query_feature[i]query_label[i]query_cam[i]gallery_featuregallery_labelgallery_cam）

########################################################################
# Visualize the rank result

query_path label = image_datasets[‘query‘].imgs[opts.query_index]
print（query_path）
print（‘Top 10 images are as follow:‘）
try: # Visualize Ranking Result 
    # Graphical User Interface is needed
  

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-08-28 04:18  Person_reID_baseline_pytorch-master\
     文件        1070  2018-08-28 04:18  Person_reID_baseline_pytorch-master\LICENSE
     文件        7494  2018-08-28 04:18  Person_reID_baseline_pytorch-master\README.md
     文件      218585  2018-08-28 04:18  Person_reID_baseline_pytorch-master\demo.png
     文件        3578  2018-08-28 04:18  Person_reID_baseline_pytorch-master\demo.py
     文件        3424  2018-08-28 04:18  Person_reID_baseline_pytorch-master\evaluate.py
     文件        3729  2018-08-28 04:18  Person_reID_baseline_pytorch-master\evaluate_gpu.py
     文件        2735  2018-08-28 04:18  Person_reID_baseline_pytorch-master\evaluate_rerank.py
     文件        6743  2018-08-28 04:18  Person_reID_baseline_pytorch-master\model.py
     目录           0  2018-08-28 04:18  Person_reID_baseline_pytorch-master\model\
     文件           1  2018-08-28 04:18  Person_reID_baseline_pytorch-master\model\.gitkeep
     文件        3554  2018-08-28 04:18  Person_reID_baseline_pytorch-master\prepare.py
     文件        4034  2018-08-28 04:18  Person_reID_baseline_pytorch-master\prepare_static.py
     文件        1926  2018-08-28 04:18  Person_reID_baseline_pytorch-master\random_erasing.py
     文件        4199  2018-08-28 04:18  Person_reID_baseline_pytorch-master\re_ranking.py
     文件        6850  2018-08-28 04:18  Person_reID_baseline_pytorch-master\test.py
     文件       53483  2018-08-28 04:18  Person_reID_baseline_pytorch-master\train.jpg
     文件       12512  2018-08-28 04:18  Person_reID_baseline_pytorch-master\train.py