本篇文章是对yolov5_reid这篇文章训练部分的详解。

该项目目录为：

.
|-- config # reid输入大小，数据集名称，损失函数等配置
|-- configs # 训练时期超参数定义
|-- data # 存储数据集和数据处理等代码，以及yolov5类别名称等
|-- engine # 训练和测试mAP,rank等相关代码
|-- layers # loss定义
|-- logs # 训练好的权重将存储在这
|-- modeling # 定义的网络
|-- output # 输出
|-- person_search # 人员查找
|-- readme.md # readme
|-- solver # 优化器相关代码
|-- tests
|-- tools # 训练和测试代码
|-- utils # logger等相关代码
`-- weights # 存放预权重

数据集加载：

数据集加载与处理，需要调用头文件：

from data import make_data_loader

make_data_loader

传入参数为cfg，训练中的相关配置文件。

build_transforms函数

这个函数传入函数有两个，cfg是配置文件，is_train=True表示训练。normalize_transform是计算数据集的均值和方差。均值为[0.485, 0.456, 0.406]，方差为[0.229, 0.224, 0.225](可以看配置文件)。

如果is_train=True的时候，对数据集进行处理。

T.Resize:将图像调整为[256,128]大小；

T.RandomHorizontalFlip(p=cfg.INPUT.PROB):随机水平翻转，设置为0.5；

T.Pad:padding值，10；

T.ToTensor():转为tensor；

扫描二维码关注公众号，回复： 15162498 查看本文章

normalize_transform:图像的均值和方差；

RandomErasing：数据增强(随机擦除)，将图片内的某块区域填充相同的像素值，从而将该区域的图片信息遮盖，强迫模型学习该区域外的特征进行识别，在一定程度上避免模型陷入局部最优，从而提高模型的泛化能力。

将多个变换组合在一起。

如果测试的时候，is_train=False，不用数据增强。

def build_transforms(cfg, is_train=True):
    normalize_transform = T.Normalize(mean=cfg.INPUT.PIXEL_MEAN, std=cfg.INPUT.PIXEL_STD)
    if is_train:
        transform = T.Compose([
            T.Resize(cfg.INPUT.SIZE_TRAIN),
            T.RandomHorizontalFlip(p=cfg.INPUT.PROB),
            T.Pad(cfg.INPUT.PADDING),
            T.RandomCrop(cfg.INPUT.SIZE_TRAIN),
            T.ToTensor(),
            normalize_transform,
            RandomErasing(probability=cfg.INPUT.RE_PROB, mean=cfg.INPUT.PIXEL_MEAN)
        ])
    else:
        transform = T.Compose([
            T.Resize(cfg.INPUT.SIZE_TEST),
            T.ToTensor(),
            normalize_transform
        ])

    return transform

继续返回make_data_loader函数。

通过build_transforms仅仅返回的是训练和测试需要用的一些数据处理方面的"规则"。

train_transforms = build_transforms(cfg, is_train=True)
val_transforms = build_transforms(cfg, is_train=False)

num_workers:获取进程数量，我这里是4.

num_workers = cfg.DATALOADER.NUM_WORKERS

init_dataset函数

传入参数name:数据集的名称，我这里是mark1501;

还传入了数据集的路径：我这里是./data

该函数主要是判断支持的数据集格式。

def init_dataset(name, *args, **kwargs):
    if name not in __factory.keys():
        raise KeyError("Unknown datasets: {}".format(name))
    return __factory[name](*args, **kwargs)

继续看make_data_loader函数。

训练时分类的数量，这里是751。注意！在训练的时候是751，在测试的是1501.

num_classes = dataset.num_train_pids

ImageDataset函数

该类基础Dataset，因此说明该类是做数据集处理的。上面我们说到的build_transforms仅仅是一些数据集处理的"规则"。

在调用该类的时候，传入两个参数，一个是dataset.train[训练数据集的图片路径]，另一个就是train_transforms[处理的规则]。所以这个类就知道了，是用上面定义的“规则”来处理我们的数据集。

在下面这段代码中self.dataset[index]就是对数据集遍历(__getitem__就是迭代器)，加入此时index=0,此时获得为：('./data\\Market1501\\bounding_box_train\\0002_c1s1_000451_03.jpg', 0, 0)。img_path就为数据集的路径，pid为类，camid为相机id[这个需要了解markt1501数据集]。

read_image函数就是通过PIL读取的图像。然后用transform处理。返回值有四个，img[数据增强后的图像]，pid[类别]，camid[相机id]，img_path[图像路径]。

class ImageDataset(Dataset):
    """Image Person ReID Dataset"""

    def __init__(self, dataset, transform=None):
        self.dataset = dataset
        self.transform = transform

    def __len__(self):
        return len(self.dataset)

    def __getitem__(self, index):
        img_path, pid, camid = self.dataset[index]
        img = read_image(img_path)

        if self.transform is not None:
            img = self.transform(img)

        return img, pid, camid, img_path

下面的两个图就是增强后的效果

接下来再回到make_data_loader函数。

下面一段代码是对处理后的数据集进行加载，这里调用的torch中DataLoader函数。传入的参数有batch,我这里是8，shuffle表示打乱，collate_fn这个很重要，就是把这些按batch处理。

    if cfg.DATALOADER.SAMPLER == 'softmax':
        train_loader = DataLoader(
            train_set, batch_size=cfg.SOLVER.IMS_PER_BATCH, shuffle=True, num_workers=num_workers,
            collate_fn=train_collate_fn
        )
    else:
        train_loader = DataLoader(
            train_set, batch_size=cfg.SOLVER.IMS_PER_BATCH,
            sampler=RandomIdentitySampler(dataset.train, cfg.SOLVER.IMS_PER_BATCH, cfg.DATALOADER.NUM_INSTANCE),
            num_workers=num_workers, collate_fn=train_collate_fn
        )

同理，验证集也是这样处理。

最终返回训练集，验证集，数据集长度(数量)，类别：751

完整代码

def make_data_loader(cfg):
    train_transforms = build_transforms(cfg, is_train=True)
    val_transforms = build_transforms(cfg, is_train=False)
    num_workers = cfg.DATALOADER.NUM_WORKERS
    if len(cfg.DATASETS.NAMES) == 1:
        dataset = init_dataset(cfg.DATASETS.NAMES, root=cfg.DATASETS.ROOT_DIR)
    else:
        # TODO: add multi dataset to train
        dataset = init_dataset(cfg.DATASETS.NAMES, root=cfg.DATASETS.ROOT_DIR)

    num_classes = dataset.num_train_pids
    train_set = ImageDataset(dataset.train, train_transforms)
    if cfg.DATALOADER.SAMPLER == 'softmax':
        train_loader = DataLoader(
            train_set, batch_size=cfg.SOLVER.IMS_PER_BATCH, shuffle=True, num_workers=num_workers,
            collate_fn=train_collate_fn
        )
    else:
        train_loader = DataLoader(
            train_set, batch_size=cfg.SOLVER.IMS_PER_BATCH,
            sampler=RandomIdentitySampler(dataset.train, cfg.SOLVER.IMS_PER_BATCH, cfg.DATALOADER.NUM_INSTANCE),
            num_workers=num_workers, collate_fn=train_collate_fn
        )

    val_set = ImageDataset(dataset.query + dataset.gallery, val_transforms)
    val_loader = DataLoader(
        val_set, batch_size=cfg.TEST.IMS_PER_BATCH, shuffle=False, num_workers=num_workers,
        collate_fn=val_collate_fn
    )
    return train_loader, val_loader, len(dataset.query), num_classes

Reid训练代码之数据集处理

数据集加载：

make_data_loader

build_transforms函数

init_dataset函数

ImageDataset函数

猜你喜欢