【图像检索】research-ms-loss复现

代码参考：https://github.com/msight-tech/research-ms-loss

论文参考：Wang_Multi-Similarity_Loss_With_General_Pair_Weighting_for_Deep_Metric_Learning_CVPR_2019_paper.pdf

1.环境准备

ubuntu16.04
cuda10.1

torch==1.7.1
torchvision==0.8.2
numpy==1.19.5
yacs==0.1.8
Pillow==8.1.0

cd reseach-ms-loss
python setup.py develop build

 

2.准备预训练模型

1）bn_inception-52deb4733.pth

2)   resnet50-19c8e357.pth

3）将其放到

~/.cache/torch/checkpoints/目录下

4）修改ret_benchmark/config/model_path.py中的目录：

from yacs.config import CfgNode as CN

MODEL_PATH = {
    'bninception': "~/.cache/torch/checkpoints/bn_inception-52deb4733.pth",
    'resnet50': "~/.cache/torch/checkpoints/resnet50-19c8e357.pth",
}

MODEL_PATH = CN(MODEL_PATH)

3.数据下载与准备

1）下载：https://blog.csdn.net/zengyujianjianghu/article/details/98323836

2）准备：

①修改split_cub_for_ms_loss.py中的，CUB_ROOT路径。

②运行（生成train.txt与test.txt文件，之前我误以为是ms loss对数据划分有特殊要求）：

python scripts/split_cub_for_ms_loss.py

3）修改configs/example.yaml中的目录：

DATA:
  TRAIN_IMG_SOURCE: /root/datasets/CUB_200_2011/CUB_200_2011/train.txt
  TEST_IMG_SOURCE: /root/datasets/CUB_200_2011/CUB_200_2011/test.txt

4.运行训练

bast scripts/run_cub.sh

 

显存大概使用6G。

如果出现了显存不足，最好是调节下，config/example.yaml中的test batch size，为128等更小的。

和readme中对比，结果应该是可以复现，比较一致的。