简介

方法大体参考了re-ID的方法，原始代码AICITY2020_DMT_VehicleReID 使用resnest网络作为backbone, 使用triplet loss和softmax loss进行多任务训练，同时在为triplet loss组建三元组的时候，当anchor为真人的时候，neg和pos都强制设为卡通，当anchor为卡通的时候，neg和pos都设为真人。使用这种方式组建三元组计算triplet loss 最终得到初始相似度矩阵，并进行检索的rerank操作，得到最终矩阵。 最后进行三模型集成得到最终结果

环境要求

Tesla V100 32GB*1

pytorch 1.6 apex

数据

将train和test解压到images文件夹，并把两个txt文件也放进去

修改yml配置文件，将训练模型保存地址和预训练模型地址修改为自己的地址，gpu显存不够，可以替换更小的模型或者减少bathsize。

训练

python train.py --config_file=configs/resnest269_16.yml

python train.py --config_file=configs/esnest269_16_320.yml

python train.py --config_file=configs/resnest101_16.yml

将模型加载地址修改为训练得到的权重地址

推理

python test.py --config_file=configs/resnest269_16.yml

python test.py --config_file=configs/resnest269_16_320.yml

python test.py --config_file=configs/resnest101_16.yml

推理完成后后在submit文件夹里会生成单模的提交文件，在dis文件夹里保存了距离矩阵用于后面的多模型集成

集成

python ensemble.py 最后在根目录生成submit.csv提交文件