OpenGait 正式版1.0发布啦！

OpenGait项目经过一个月的修改、精进、期间不断吸收社区反馈意见（反复跳票），正式的v1版本终于发布啦！这次更新包含两大块内容：丰富文档和支持OUMVLP数据集。网址：https://github.com/ShiqiYu/OpenGait

OpenGait是什么？

OpenGait是一款灵活可扩展的步态识别框架。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，复用代码时又修改地晕头转向。在OpenGait的帮助下，您只需要专注于设计自己的模型，就能轻松地与SOTA进行比较。

一句话：OpenGait内含多种SOTA步态识别算法，你不需要自己复现，只要把自己的算法嵌入OpenGait，就得到算法性能及与其他方法对比。

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；测试阶段，跑完CASIA-B仅需12秒！（5485个序列，BaseLine，2x RTX3090），跑完OUMVLP仅需一分钟！（133780个序列，Baseline，8x RTX3090）。

• 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可视化训练过程中的样本输入以及训练日志，还可以方便的自定义添加可视化内容。

• 支持模型断点加载继续训练以及多阶段训练。

• Tensor操作，网络均模块化设计，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。

本次更新新增

1. 文档丰富：本次更新添加了

• 配置文件解释：对配置文件每个条目进行解释，并展示用法示例；

• 自定义模型：详细描述了模型训练及测试流程，以及如何自定义网络和损失函数；

• 高级用法：介绍了跨数据集测试，数据增强以及可视化等高级用法；

• 函数注释：主要函数均添加文档注释，便于理解。

2. OUMVLP数据集支持：

• 实现了baseline的OUMVLP版本；

• 复现了GaitSet，GaitPart和GaitGL，准确率均不低于论文中所提；

• 在OUMVLP数据集上，8张RTX3090测试baseline仅需1分13秒。

更多内容欢迎大家浏览GitHub仓库：https://github.com/ShiqiYu/OpenGait。同样也是期待大家使用，反馈和建议。

下方是模型训练和测试流程，及多种方法的性能指标。