图像检索-MS Loss-论文复现

写在前面:

 

个人学习之作,不做商用,仅供参考。

能力有限,共同进步。

论文原地址:Multi-Similarity Loss with General Pair Weighting for Deep Metric Learning

是由深圳马龙人工智能研究中心的大佬研究出来的。

GIT地址

第一步:

git clone https://github.com/msight-tech/research-ms-loss
cd reseach-ms-loss
pip install -r requirements.txt
python setup.py develop build

第二步:

数据集下载:

git当中的地址已经过期了,如果直接运行会报错。

这里是最新下载地址 下载数据

图像检索-MS Loss-论文复现_第1张图片

 这个时候需要在外面新建一个文件目录

图像检索-MS Loss-论文复现_第2张图片

mkdir resource/datasets

把下载好的CUB_200_2011.tgz放入该目录下。

tar -zxf CUB_200_2011.tgz

然后执行如下命令

python scripts/split_cub_for_ms_loss.py

第三步。模型下载,

按照要求将训练好的模型下载下来,bn_inception-52deb4733.pth

注意的是,你需要修改配置文件。

图像检索-MS Loss-论文复现_第3张图片

 model path的位置和你放的位置保持一致就行。

然后在文件目录下运行

./scripts/run_cub.sh

这里我报错,提醒我引用地址不正确,

我看了这个启动脚本,核心是tool/main.py,我把main.py拷贝出来了,路径如图所示:

图像检索-MS Loss-论文复现_第4张图片

运行结果如图所示。

图像检索-MS Loss-论文复现_第5张图片

第四步:训练完成:

图像检索-MS Loss-论文复现_第6张图片

 训练时间约为24分钟。最优的召回率0.65.输出的结果模型在output文件下。

图像检索-MS Loss-论文复现_第7张图片

数据集介绍:

这个数据集中有200个种类,每个种类图片约为10-30张不等。

训练过程介绍

图像检索-MS Loss-论文复现_第8张图片

 我用的是3090,配置如下:

图像检索-MS Loss-论文复现_第9张图片

你可能感兴趣的:(算法,Python,深度学习,人工智能,神经网络,python)