OpenGait：首个步态识别框架开源了！

远远地，看一眼你走路方式，就知道你是谁！这就是步态识别技术。

首个步态识别框架OpenGait正式发布了！OpenGait由南方科技大学计算机系于仕琪科研团队开发，银河水滴公司予以支持。欢迎大家三连：使用，反馈和建议。项目主页：https://github.com/ShiqiYu/OpenGait

在复现步态算法或者设计识别算法时，相信大家都遇到过相同的问题：当你准备复现顶会论文，却需要从头搭建实验环境，手撸训练，评估代码。勤勤恳恳的写完后，又往往bug频出。当一些优秀的顶会算法开源后，复用代码时又修改得晕头转向。

OpenGait通过模块化的设计，代码高效且可复用，助你轻松复现论文，调参炼丹的路上，OpenGait值得你拥有！

第一版的开源步态识别框架OpenGait，主要特点如下：

• 我们提供了一个高效简单的BaseLine模型，搭配了tricks后，性能媲美SOTA。

• OpenGait复现了4篇顶会的SOTA算法，取得相近甚至更高的结果。

• 支持分布式多卡训练，在大数据吞吐量的情况下提速20%以上；分布式多卡测试，跑完CASIA-B仅需15秒！（5485个序列，BaseLine，2 1080ti gpus），跑完OUMVLP仅需不到两分钟！（133780个序列，Baseline，8 1080ti gpus）。注：OUMVLP尚未整理，预计在下一版本推出，在当前版本也可轻松拓展，欢迎有能力的同学多多贡献代码！

• 支持混合精度训练，当gpu支持半精度时显存直接砍半，并提速20%～50%（视具体GPU型号而定）。

• 友好的可视化训练过程，支持Tensorboard可视化及日志记录，可自定义添加可视化内容。

• 支持多阶段训练及边训边测。

• 模块化设计，常规模型可以仅通过配置文件定义，主流的操作也可以通过配置文件客制化加载。

• 诸如优化器，调度器，损失函数，采样器等均可通过配置文件一键式部署。

• 支持组合损失函数。

支持的模型如下（括号里为原论文准确率）：

当前版本仅支持剪影（silhouette）数据集的训练测试。我们期望能收到各位反馈，在公众号评论区，邮件，或者github中提出issue，留下你们迫切期望集成的功能，我们在下一个版本中更新。

OpenGait不仅仅是为了提供一个高效可拓展的步态研究框架，更多的是提供一个相对公平的评估框架，帮助模型发挥其真正的潜力。

主要贡献人：

• 博士生樊超

• 博士生沈川福

• 硕士生梁峻豪

特别感谢：

• 专注于步态识别技术的高科技公司银河水滴科技（北京）有限公司