（CVPR2018）Camstyle复现

川长思鸟来 2022-12-09 15:51 261阅读 0赞

Camstyle，是一个与reID解耦的数据增广方法，主要用于消除相机偏差。其实这个代码有较为详细的过程，记下只为后面更容易上手。

[https://github.com/zhunzhong07/CamStyle][https_github.com_zhunzhong07_CamStyle]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70][]

图片来自参考2。真实数据（绿色框的） 通过2,4生成的数据（蓝色框的） ，并与原始数据混合，即数据增广，训练reID的模型，主要是想消除跨相机的偏差。

Camstyle，使用Cycle-GAN生成数据。不同的是这里的任务是，生成某相机数据的对应其他相机的假样本。例子：真实数据是cam1数据，G想要生成cam1数据对应的cam2或者其他cam的数据，不断优化使得最后D无法区分这个cam2是否是假的，G就能生成越接近cam2的数据。

## 0.环境 ##

ubuntu16.04
    cuda9.0
    python3.6
    torch=1.1.0
    torchvision==0.3.0
    visdom
    Dominate

## 1.准备数据 ##

将market1501数据复制到CycleGAN-for-CamStyle/datasets目录下，并改名为market。获取其他的数据也可以，只要符合如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 1][]

## 2.训练模型 ##

（1）进入CycleGAN-for-CamStyle目录下：

cd CycleGAN-for-CamStyle

（2）首先运行visdom：

python -m visdom.server -port=8097

（3）为多种组合生成跨相机数据

sh ./train_market.sh

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 3][]

## 3.可能的坑 ##

（1）gpu设置

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 4][]

（2）visdom

# 启动visdom后，一直处于：
    visdom:download...
    
    #terminal中输入
    python
    import sys
    sys.path

进入对应的site-package/visdom目录下，修改对应的server.py文件：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 5][]

##  4.测试生成数据 ##

sh ./test_market.sh

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 6][]

为每个数据生成的其他camera的数据都保存到一个文件夹中。

## 参考 ##

[1.CamStyle (github)][https_github.com_zhunzhong07_CamStyle]

[2.Camera Style Adaptation for Person Re-identification (CVPR 2018)][2.Camera Style Adaptation for Person Re-identification _CVPR 2018]

[https_github.com_zhunzhong07_CamStyle]: https://github.com/zhunzhong07/CamStyle
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70]: /images/20221123/5805176b25394fe19b5b85225f2e7c09.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 1]: /images/20221123/edab3943a28f488eb35b50ea043b4ac5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 2]: /images/20221123/c240ae95845b4e97804869bb49ee74e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 3]: /images/20221123/1d1e7770800a4e1fb0aeefaba4f0a1b3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 4]: /images/20221123/647f990bcd544edc8dd8cb2b656ea314.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 5]: /images/20221123/f53a4fc1e3f244d38e4c5a4e46ddf3d7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM1OTc1NDQ3_size_16_color_FFFFFF_t_70 6]: /images/20221123/919c4ce9be48469fa7db17c2b7e57bf1.png
[2.Camera Style Adaptation for Person Re-identification _CVPR 2018]: https://arxiv.org/pdf/1711.10295.pdf