pyretri训练数据准备及config文件解读

一、训练数据准备

1、生成 caltech_split.txt 文件

split 文件的模版样本
101_ObjectCategories/metronome/image_0004.jpg 0

下面的文件路径需要修改成自己的

path_file = '/data/nextcloud/dbc2017/files/jupyter/PyRetri/main/split_file/caltech_split.txt'
gallery_lst = glob.glob('/data/nextcloud/dbc2017/files/jupyter/test_data_A/gallery/*.jpg')
query_lst = glob.glob('/data/nextcloud/dbc2017/files/jupyter/test_data_A/query/*.jpg')

gallery_path = ['101_ObjectCategories/allimg/'+os.path.basename(i) for i in gallery_lst]
query_lst = ['101_ObjectCategories/allimg/'+os.path.basename(i) for i in query_lst]

print(len(query_lst))
print(len(gallery_lst))

生成caltech_split.txt

if os.path.exists(path_file):
    os.remove(path_file)

with open(path_file,'w') as f:
    for i in gallery_path:
        f.write('{0} {1}\n'.format(i,1))
    for index,i in enumerate(query_lst):
        if index != len(query_lst)-1:
            f.write('{0} {1}\n'.format(i,0))
        else:
            f.write('{0} {1}'.format(i,0))

结果如下：

2、 完成 gallery 和 query 的划分

python main/split_dataset.py -d /data/caltech101/ -sf main/split_file/caltech_split.txt

二、训练模块修改

整体代码结构

（1）configs：增加和修改trick
深度学习中的trick

（包括每个epoch后修改学习率、CNN、数据扩充Augmentation、预训练、权重初始化、添加激活函数、正则化）的参数。

（2）finetune.py:

• 可以修改Backbone：
  

• 可以修改数据增强模块：假设物体在正中心，所以做CenterCrop
  -

• 可以修改loss函数
  -考虑Classification loss

三、config文件解读

1. database

2. model
3. extract

4、index

转：
从华为DIGIX比赛理解–图像检索的通用流程（利用Face++开源PyRetri代码）

pyretri实例操作