Person_reID_baseline_pytorch 源码解析之 test.py

最新推荐文章于 2022-03-22 22:47:03 发布

原创

最新推荐文章于 2022-03-22 22:47:03 发布 · 1.8k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #python

本文详细解析了PyTorch脚本test.py，该脚本用于加载训练好的模型，提取query和gallery图片的特征。首先，加载Resnet50模型并预处理数据，然后使用extract_feature函数进行特征提取，其中包括对输入张量进行L2范数归一化。最终，将特征保存为Matlab文件供evaluate_gpu.py使用，用于模型评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

源码中有两个用于测试的脚本: test.py 和 evaluate_gpu.py 。其中， test.py 加载通过脚本 train.py 训练好的模型，实现对 query 和 gallery 图片的特征提取；本文对脚本 test.py 进行解析。

1. 加载模型和数据

首先需要载入训练好的模型，这里以基于 Resnet50 输出类别为 751 类的行人重识别模型 ft_net 为例。

model_structure = ft_net(751)
model = load_network(model_structure)

然后需要载入经过预处理的 gallery 和 query 数据集

data_transforms = transforms.Compose([
        transforms.Resize((256,128), interpolation=3),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])

image_datasets = {
   
   x: datasets.ImageFolder( os.path.join(data_dir,x) ,data_transforms) for x in ['gallery','query']}
dataloaders = {
   
   x: torch.utils.data.DataLoader(image_datasets[x], batch_size=opt.batchsize,
                                             shuffle