行人重识别02-11：fast-reid(BoT)-实用技巧分享（1）-visualize_result，demo

以下链接是个人关于fast-reid(BoT行人重识别) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。
行人重识别02-00：fast-reid(BoT)-目录-史上最新无死角讲解

visualize_result.py

在demo文件夹中，我们可以看到visualize_result.py文件，这是对测试结果进行可视化的工具。我们在项目的根目录执行如下指令：

# fast-reid-root表示从github下载项目的根目录
cd ${fast-reid-root}
python demo/visualize_result.py --config-file logs/market1501/bagtricks_R50/config.yaml  --parallel --dataset-name  Market1501 --output demo/vis_rank_list --vis-label --num-vis 100 --rank-sort descending --label-sort descending --max-rank 10 --opts MODEL.WEIGHTS logs/market1501/bagtricks_R50/model_final.pth

本人报错如下：
报错一

  File "/work/2.ChiPeak/3.ReidAbout/1.PesonReid/1.fast_reid/1.fast-reid-init-master/demo/visualize_result.py", line 123, in 
    cmc, all_ap, all_inp = evaluate_rank(distmat, q_pids, g_pids, q_camids, g_camids)
TypeError: evaluate_rank() missing 2 required positional arguments: 'q_camids' and 'g_camids'

修改代码如下，注释部分代表源码:

    #cmc, all_ap, all_inp = evaluate_rank(distmat, q_pids, g_pids, q_camids, g_camids)
    cmc, all_ap, all_inp = evaluate_rank(distmat, q_feat, g_feat, q_pids, g_pids, q_camids, g_camids)

 
报错二

Traceback (most recent call last):
  File "/work/2.ChiPeak/3.ReidAbout/1.PesonReid/1.fast_reid/1.fast-reid-init-master/demo/visualize_result.py", line 139, in 
    args.rank_sort, args.label_sort, args.max_rank)
  File "/work/2.ChiPeak/3.ReidAbout/1.PesonReid/1.fast_reid/1.fast-reid-init-master/fastreid/utils/visualizer.py", line 158, in vis_rank_list
    query_indices = query_indices[:num_vis]
TypeError: slice indices must be integers or None or have an __index__ method

修改代码如下：

	# 两句源码都添加了type=int
    parser.add_argument( "--num-vis",type=int,default=100,help="number of query images to be visualized")
    parser.add_argument("--max-rank",type=int,default=10,help="maximum number of rank list to be visualized")

 
报错三
后续我运行过程中，发现内存不足了，便注释了如下代码 fastreid\utils\visualizer.py :

    def vis_roc_curve(self, output):
    	filepath = os.path.join(output, "roc.jpg")
        plt.savefig(filepath)
        #self.plot_distribution(pos, neg)
        filepath = os.path.join(output, "pos_neg_dist.jpg")
        #plt.savefig(filepath)
        return fpr, tpr, pos, neg

运行之后本人打印如下：

找 demo\vis_rank_list 文件夹中可以看到如下图片：

在这里插入代码片

第一列是按照置相似度进行 rank 排列的结果，包含了预测正确和错误的。下面一列表示预测正确的结果。

demo.py

# fast-reid-root表示从github下载项目的根目录
cd ${fast-reid-root}
python demo/demo.py --config-file logs/market1501/bagtricks_R50/config.yaml  --parallel  --input ./datasets/Market-1501-v15.09.15/query/*.jpg  --output ./demo/demo_output --opts MODEL.WEIGHTS logs/market1501/bagtricks_R50/model_final.pth

本人打印如下：

在 demo/demo_output 文件中，可以看到如下文件：

其保存的，就是每张图像对应的特征向量。