Torchreid 是一个用于深度学习人员重新识别的库，用 PyTorch 编写，为我们的 ICCV’19 项目 Omni-Scale Feature Learning for Person Re-Identification 开发。
PyTorch-ReID的特点是
多GPU训练
支持图像和视频 REID
端到端培训和评估
极其轻松地准备 Reid 数据集
多数据集训练
跨数据集评估
大多数研究论文使用的标准协议
高度可扩展（易于添加模型、数据集、训练方法等）
最先进的深度 REID 模型的实现
访问预训练的 Reid 模型
先进的培训技术
可视化工具（Tensorboard、Ranks 等）
代码：https://github.com/KaiyangZhou/deep-person-reid。
数据集地址：https://kaiyangzhou.github.io/deep-person-reid/datasets.html
文档：https://kaiyangzhou.github.io/deep-person-reid/。
操作说明：https://kaiyangzhou.github.io/deep-person-reid/user_guide。
模型动物园：https://kaiyangzhou.github.io/deep-person-reid/MODEL_ZOO。
技术报告：https://arxiv.org/abs/1910.10093。
你可以在这里找到一些建立在 Torchreid 之上的研究项目。
数据集下载链接
-
-
Image Datasets
-
Market1501 †† (
market1501) -
CUHK03 (
cuhk03) -
DukeMTMC-reID †† (
dukemtmcreid) -
MSMT17 (
msmt17) -
VIPeR †† (
viper) -
GRID †† (
grid) -
CUHK01 (
cuhk01) -
SenseReID (
sensereid) -
QMUL-iLIDS †† (
ilids) -
PRID (
prid) -
CUHK02 (
cuhk02) -
CUHKSYSU (
cuhksysu)
-
-
Video Datasets
-
MARS (
mars) -
iLIDS-VID †† (
ilidsvid) -
PRID2011 (
prid2011)
-
-
