【实验记录】AGW | Visible-Infrared Re-ID

【RT】Visible Thermal Re-IDDeep Learning for Person Re-identification: A Survey and Outlook中提出了一个针对单/跨模态行人重识别的baseline：AGW

做过两次，在测试阶段有问题，现在再重做一次Code

RTX3090

修改数据集路径：test.py, train.py, data_loader.py, pre_process_sysu.py

on the SYSU-MM01

Train

(caiman)$ python pre_process_sysu.py

一些路径和文件命名问题，修改一下
然后可以跑了，同样只用第二张卡，防止占用
13:00

python train.py --dataset sysu --lr 0.1 --method agw --gpu 1

服务器主动断开了，在37epoch,，终端长时间无操作

Best Epoch [18]：

	Rank-1	Rank-5	Rank-10	Rank-20	mAP	mINP
POOL	46.49%	74.70%	84.17%	93.27%	45.66%	32.76%
FC	49.96%	75.57%	84.12%	92.22%	47.47%	33.79%

三次实验best epoch都是在20左右的，问题不大

Test

python test.py --mode all --resume ‘save_model/sysu_agw_p4_n8_lr_0.1_seed_0_trial_1_best.t’ --dataset sysu --gpu 1

仍然不行

下载作者提供的训练好的权重titledsysu_awg_p4_n8_lr_0.1_seed_0.t（ps:如下问题解决之后这个权重用不了❓）
同样不行，
没读到best checkpoint，地址有误？

问题看test.py151行代码

多了checkpoint_path，重复给地址（最终模型加载的地址错误），但代码报错时，又不显示这个多余的checkpoint_path，只显示resume给的那串

因为我resume传参给的完整地址，要么调整①：resume传参只给模型权重的名，（是作者本意吧）

i.e. python test.py --mode all --resume 'sysu_agw_p4_n8_lr_0.1_seed_0_best.t' --dataset sysu --gpu 1

实际我（个人习惯，传参带路径）修改②：删除151行checkpoint_path这个参数

总之，终于解决✌️

十次取平均（因为数据集太小）：

	Rank-1	Rank-5	Rank-10	Rank-20	mAP	mINP
POOL	47.33%	74.97%	84.90%	92.95%	45.99%	32.76%
FC	49.96%	75.57%	85.30%	94.12%	45.34%	32.85%

on the RegDB

Train

python train.py --dataset regdb --lr 0.1 --method agw --gpu 0,1

用不到30min

Test

python test.py --resume 'save_model/regdb_agw_p4_n8_lr_0.1_seed_0_trial_1_best.t' --dataset regdb --gpu 0,1 

同样，修改读取已保存模型的路径修改一致
数据集太小，测试十次，取均值作为最后结果：

	Rank-1	Rank-5	Rank-10	Rank-20	mAP	mINP
POOL	86.96%	92.28%	94.68%	97.04%	83.06%	73.91%
FC	85.67%	90.99%	93.88%	96.43%	82.42%	73.70%

这结果怎么这么好