Video-based-ReID_TP

前言

接下来，我们就来看看视频行人重识别训练模型的其中一种temporal aggregation method：temporal pooling。
这是比较简单的一种方式，效果也不错，是将通过CNN网络提取到的每一帧T图像特征根据seq_len，使用average pooling融合成每一个clips的特征。
如A部分：

模型输入

• imgs
  • imgs.size() = [b,s,c,h,w]
  • 在训练级中 b为batch通常设置为32，seq_len设置为4，c为通道数为3，h图片高，w图片宽

模型初始化参数

        model = models.init_model(name=args.arch, num_classes=dataset.num_train_pids, loss={
   
   'xent', 'htri'})

• name 使用的模型名称
• dataset.num_train_pids 分类时的分类数
• loss xent=交叉熵损失 htri=Tripletloss

模型实现

class ResNet50TP(nn.Module):
    def __init__(self, num_classes, loss={
   
   'xent'}, **</