market-1501数据集原版论文，作者介绍了一个新的行人重识别数据集的，并与其它数据集进行比较。

原资源及prtorch处理后的直用格式数据

fast-reid需要的预训练模型resnet50_ibn_a-d9d0bb7b.pth，需要请自行下载。

一篇很详细的REID介绍，配合大量精美的插图。包含REID的介绍，新零售场景下的应用举例，以及strong baseline的介绍等

行人重识别数据集Market1501

Vehicle_reID-Collection：车辆re-ID文件，数据集的集合

行人重识别最新数据集：MSMT_V1版本数据集，为最初版本，MSMST17以及MSMT_V2版本若有需要，请私信邮箱！

resnet101_ibn_a.pth.tar，京东开源的face-reid中行人重识别数据集Market1501-resnet101预训练模型。（由于google云盘下载速度偏慢，所以上传到这里） 此处非常感谢京东与模型的分享者。

行人再识别Person-reID的Pytorch实现 Person_reID_baseline_pytorch 一个小巧、友好、强大的 Person-reID 基线代码（基于 pytorch）。 强的。 它与几个顶级会议工作中的新基线结果一致，例如，用于人员重新识别的联合判别和生成学习（CVPR19）、超越部件模型：具有精细部件池的人员检索（ECCV18）、用于人员的相机风格适应重新识别（CVPR18）。 我们到达 Rank@1=88.24%, mAP=70.68% 仅使用 softmax 损失。 小的。 使用 fp16（由 Nvidia apex 支持），我们的基线可以仅使用 2GB GPU 内存进行训练。 友谊赛。 您可以使用现成的选项在一行中应用许多最先进的技巧。 此外，如果您不熟悉 person re-ID，您可以先查看我们的教程（8 分钟阅读）:thumbs_up:。 目录 特性 一些新闻 训练模型先决条件 入门 安装 数据集准备 训练测试评估 使用其他数据集进行训练的技巧 引文 相关存储库功能 现在我们支持： Float16 以节省 GPU 内存，基于 a

REID