中心点重识别(Centroids-ReID)项目指南

1. 目录结构及介绍

该项目基于PyTorch-Lightning实现，以下是主要的目录结构及其简介：

• callbacks: 包含自定义的回调函数，用于模型训练过程中的特定事件处理。
• config: 存放配置文件，定义了所有可调整的参数，如实验设置、路径等。
• configs: 提供默认的配置文件，每个.py文件对应一套不同的配置参数。
• datasets: 数据集相关的处理代码，包括数据加载器和预处理逻辑。
• inference: 推理脚本所在目录，用于模型测试或部署。
• losses: 定义损失函数，用于指导模型学习。
• modelling: 包含模型架构的定义，重点是Centroids相关的核心模型。
• scripts: 启动脚本和辅助脚本，如数据转换、训练和测试主程序。
  • train_scripts: 按数据集和模型类型组织的训练脚本。
  • dukemtmc: 专门用于DukeMTMC-reID的数据处理或训练脚本。
  • scripts可能还包含其他通用脚本或数据准备工具。
• solvers: 优化器和学习率调度相关的代码。
• train_scripts: 主训练脚本存放处，每个脚本负责特定训练流程。
• utils: 辅助功能模块，比如日志记录、文件操作等。
• .gitignore, LICENSE, README.md, requirements.txt: 标准Git忽略文件、许可证、项目说明文档和依赖包列表。

2. 项目的启动文件介绍

训练新模型

启动训练的主要入口位于train_scripts目录下。以训练CTL-Model在DukeMTMC-reID数据集上为例，你需要运行以下命令（确保已安装必要依赖且设置了正确的GPU可见性）:

CUDA_VISIBLE_DEVICES=3 ./train_scripts/dukemtmc/train_ctl_model_s_r50_dukemtmc.sh

这会启动一个针对ResNet50的训练过程，使用指定的GPU设备。

测试已有模型

对于测试，可以在相应的训练脚本基础上修改参数以仅执行测试，例如：

python train_ctl_model.py \
--config_file="configs/256_resnet50.yml" \
GPU_IDS [0] \
DATASETS NAMES 'market1501' \
DATASETS ROOT_DIR '/data/' \
SOLVER IMS_PER_BATCH 16 \
TEST IMS_PER_BATCH 128 \
SOLVER BASE_LR 0.00035 \
OUTPUT_DIR './logs/market1501/256_resnet50/' \
SOLVER EVAL_PERIOD 40 \
TEST ONLY_TEST True \
MODEL PRETRAIN_PATH "logs/market1501/256_resnet50/train_ctl_model/version_0/checkpoints/epoch=119.ckpt"

3. 项目的配置文件介绍

配置文件通常位于config和configs目录，它们是控制模型训练和评估行为的关键。比如，configdefaults.py可能包含了所有可配置项的默认值。用户可以通过编辑这些.py文件来改变实验设置，如批次大小、学习率、模型参数等。每套配置文件代表了一组特定的实验条件，比如图像尺寸(256_resnet50.yml)会定义使用256x256尺寸的ResNet50进行训练的详细参数。

记得在开始任何训练或测试之前，详细审查对应的配置文件，以确保符合你的实验需求。通过合理调整这些配置，你可以针对不同任务和硬件资源定制化训练流程。