先週の進捗

歩行者の再識別(ReID)-Deep learning person re-identification in PyTorch：

1. する対応する記事を読む：《Torchreid: A Library for Deep Learning Person Re-Identification in Pytorch》,《Omni-Scale Feature Learning for Person Re-Identification》,《Re-ranking Person Re-identification with k-reciprocal Encoding》..

2.先週始めたばかり，モデルトレーニングが完了し，合計時間かかります：11days,3:15:55,直後：Train and test a model：To train OSNet on Market1501

Continue Reading ››

今週の進捗

• 歩行者の再識別(ReID): Deep learning person re-identification in PyTorch, モデルトレーニングが完了し，合計時間かかります：11days,3:15:55

• する対応する記事を読む《Omni-Scale Feature Learning for Person Re-Identification》。

• 張先生と話した後、最近学習計画を考えて制定する。

今週の進捗

• 顔認識（Face recognition ）：顔認識後の歩行者の知的認知の分野における重要な研究方向としてのReID 、実装には多くの類似点があります（特徴の抽出features extraction和距離計算Distance metric）、ですから、顔認識プロセスを通じて重要な技術を理解したいと思っています 。

• 歩行者検出(Pedestrian detection): 技術的に言えば、ReIDサブシステムは2つのモジュールに分割できます、歩行者検出と歩行者検索, 多くの歩行者認識の研究は画像に基づいていますが、ただし、歩行者検出の主要な実装を理解する必要があります。今週のTensorflowベースの歩行者検出実験、構成環境が完成しました、データの前処理、つまり、ビデオから画像を抽出し、画像をTF_RECORD形式に変換しました。しかし、モデルのトレーニング中に問題が発生しました（main.py）、まだ解決中。

• 歩行者の再識別(ReID): Deep learning person re-identification in PyTorch, ソースプログラムの要件はGPUに基づいているため,ただし、CPUを使用します（--gpu-devices 0を変更）,したがって、5日目はまだトレーニングとテストの実行段階にあります。 実行中のプロセスを観察することにより、歩行者認識の効果を測定する個々の評価指標の値の変化、CMCとmAP、rankの意味を理解。する対応する記事を読む《Omni-Scale … Continue Reading ››
  

今週の進捗

• 今週、私は研究室で開催された3つのセミナーに参加しました。 私は、M2とB4の学生のための研究プロジェクトと取り決めを聞きました。
• 火曜日（13：00〜16：00）のゼミの後、張研究室の水餃子活動に積極的に参加しました，中国と日本の食文化の交流に適しています。
• ReIDシステムの構築において、さまざまな問題に遭遇し、解決し続けました。
• 工学融合科目プロジェクトはまもなく完了し、今週、報告レポートが整理されました。

今週の進捗

• 1.ReIDに関連した学習を続けます 、 研究状況、基本的な方法などを含み、記録を持っている。
• 2.以前の基本的な知識と一般的なデータセットのダウンロードに基づいて、今週は主にステップバイステップで簡単なReIDシステムを構築する方法を学びました。
• 参照先 ：https://zhuanlan.zhihu.com/p/50387521?utm_source=wechat_session&utm_medium=social&s_r=0
• Code: https://github.com/layumi/Person-reID-triplet-loss
• Dataset:Market-1501。
• 環境要件：Python 3.6；Numpy；Pytorch 0.3+；Torchvision from the source。
• 実践プロセス:ReIDシステムの構築には、主に次の部分が含まれます：
• （１）訓練：データセットを準備する（python prepare.py）；ネットワーク構造モデルを構築し、分類子をトレーニングします（python model.py）；モデルを訓練（python train.py）する。
  （２）テスト：各画像の視覚特性を抽出するための特徴抽出（python test.py）；測定（python evaluate_gpu.py）、機能を使用して画像を一致させ、類似性で画像をソートします。
  （３）可視化結果（python demo.py）。
• 3.最新のREID関連の論文を見る:
• ICCV2019（33篇）：https://zhuanlan.zhihu.com/p/84478668?utm_source=wechat_timeline&utm_medium=social&utm_oi=812368797020344320&from=timeline&isappinstalled=0;
• CVPR2019(26篇)，https://zhuanlan.zhihu.com/p/62843442;
• CVPR2018(32篇)：https://zhuanlan.zhihu.com/p/35349230。

今週の進捗

• ReIDについて学び、記録を作り続ける、先週の主な内容を引き続き学びます。
• 今週の木曜日（9月26日）の三井見学会への参加。
• 今週の日曜日（9月29日）の留学生研修旅行（熊本）への参加。

{{unknown}}

今週の進捗

• ICISIP2019学会発表の思考と経験のまとめ、効果はまだ理想的ではありませんが、前回（ICIAE2019）は進歩しています、主な理由は英語を改善する必要があることです。
• Person Re-Identification 理論学習： https://blog.csdn.net/tansuo17/article/details/78062918 https://blog.csdn.net/weixin_41427758/article/details/81188164

来週の予定

• Person Re-Identificationの学習を続ける、良い要約をする。

今週の進捗

ICISIP 2019学会（台湾）への参加

来週の予定

• 来週の火曜日に九工大に戻って
• 学会を総括して経験と教訓を発表する
• できるだけ早く研究に投入して。