fast-reid

FastReID 项目介绍

FastReID 是一个用于实现最先进的再识别（re-identification）算法的研究平台。该项目全新设计，实现了对于之前版本（reid strong baseline）的彻底重写，提供了更强大的功能和更好的性能。

项目亮点

从功能更新和技术支持方面来看，FastReID 项目在不断演变，增加了许多新特性：

• DG-ReID 更新（2021年9月）：该功能已更新，支持检查相关的学术论文以获取详细信息。
• 性能提升（2021年6月）：支持连续参数，能够加速约20%。
• 视觉Transformer骨干网络支持（2021年5月）：可以在配置文件中查看具体设置。
• 部分全连接支持（2021年4月）：这一特性在FastFace项目中得以实现。
• TRT网络定义API发布（2021年1月）：感谢Darren的贡献，这一功能在FastRT项目下。
• 多任务支持：FastReID 1.0 版已发布，除了再识别，还支持图像检索和人脸识别等多项任务。
• 超参数优化和属性识别：通过应用项目如FastTune和FastAttr，实现了相应功能。
• 混合精度训练：借助apex工具实现自动混合精度训练，加速模型训练过程。

技术特点

• 模型蒸馏和格式转换：支持模型蒸馏并提供ONNX/TensorRT转换器。
• 多GPU分布式训练：保障更快的训练速度。
• 特性和插件丰富：包括圆环损失、多种可视化方法和评估标准，以实现更加全面的性能测试。
• 不同项目支持：FastReID 可作为库用于支持其他项目，开始开放源代码更多研究项目。
• 依赖优化：移除高层次库 Ignite 的依赖，完全基于 PyTorch 打造，进一步提升项目简便性和灵活性。

实用信息

• 安装和快速开始：提供详细的安装指南和快速入门支持，帮助用户快速部署和学习。
• 模型库和基线：提供一系列基线结果和经过训练的模型，可供下载使用。
• 部署支持：提供一些示例和脚本，用于将FastReID模型转换至Caffe、ONNX和TensorRT格式。

致谢与引用

FastReID 是在 Apache 2.0 许可证下发布的。如果在研究中使用了 FastReID，建议使用该项目提供的 BibTeX 条目进行引用。

FastReID 提供了一个综合、支持最新技术的平台，能为学术研究和工程应用提供坚实的支持，持续不断地为更广泛的应用领域带来可能性。