Market-1501 数据集在清华大学校园中采集，夏天拍摄，在 2015 年构建并公开。它包括由6个摄像头（其中5个高清摄像头和1个低清摄像头）拍摄到的 1501 个行人、32668 个检测到的行人矩形框。每个行人至少由2个摄像头捕获到，并且在一个摄像头中可能具有多张图像。训练集有 751 人，包含 12,936 张图像，平均每个人有 17.2 张训练数据；测试集有 750 人，包含 19,732 张图像，平均每个人有 26.3 张测试数据。介绍链接：https://blog.csdn.net/ctwy291314/article/details/83544088

介绍 YouReID是一个轻型研究框架，可为一些reid任务实现一些最新的人员重新识别算法，并提供一些强大的基线模型。 主要特点 简单的设计风格，易于使用和定制。 您可以在5分钟内上手。 支持混合精度和DistributedDataParallel训练，从而实现了更高的效率。 您可以使用Market-1501数据集上的两个16GB V100在25分钟内运行基线模型。 一些强大的基线方法，包括基线，PCB，MGN。 特别是，在Market-1501数据集上，基准模型的性能达到mAP = 87.65％和rank-1 = 94.80％。 支持某些reid任务的最新方法。 模型动物园 该项目提供了以下算法和脚本来运行它们。 请在说明列中提供的链接中查看详细信息 场地 ABBRV 演算法 描述 地位 SL 互联网 完成的 金字塔 完成的 UDA 行为 即将来临 闭塞的 零件网 完

行人重识别数据集，最近在做行人重识别的内容，这是经典的数据集，为了方便大家下载，提供此链接，一起学习研究

火炬 Torchreid是一个用编写的用于深度学习人员重新识别的。 它具有以下特点： 多GPU训练 同时支持图像和视频 端到端培训和评估 轻松轻松地准备reid数据集 多数据集训练 跨数据集评估 大多数研究论文使用的标准协议 高度可扩展的（易于添加模型，数据集，训练方法等） 最先进的深度里德模型的实现 访问预训练的里德模型 进阶训练技巧 可视化工具（张量板，等级等） 代码： : 。 文档： : 。 使用说明： : 。 动物园模型： : 技术报告： : 。 您可以在找到基于Torchreid构建的一些研究项目。 什么是新的 [2020年8月] 1.3.3 ：在固定的臭虫visrank （由不拆包dsetid ）。 [2020年8月] 1.3.2 ：新增_junk_pids到grid和prid 。 设置combineall=True时，这避免了使用贴错标

车辆X 该存储库包含ECCV2020中论文“使用属性下降模拟内容一致的车辆数据集”的代码。 VehicleX数据还与和。 相关资料：，，6， 。 您可以使用我们的快速浏览我们的数据。 该演示包含1362个中的70个id。使用VehicleX图像的整个过程分为三个步骤： 属性分布学习，并通过VehicleX引擎生成具有学习到的属性的图像（内容级别域适配）； 对生成的图像执行样式级别域适配（SPGAN）； 训练用于样式转换图像的re-ID模型。 这三个步骤的代码分别在，./ 和上可用。 欢迎您将代码的每个部分用于研究目的。 VehicleX的Unity源代码也可在上。 Vehicle

这是在大量的reid数据集上训练出的模型，可用作行人重识别的效果展示，使用yolo+reid即可实现行人的检测加reid

跨模态行人重识别数据集 Nguyen Dat Tien, Hong Hyung Gil, Kim Ki Wan, et al. Person Recognition System Based on a Combination of Body Images from Visible Light and Thermal Cameras.. 2017, 17(3)

用于标注视频，可以用于生成目标检测数据集以及reid数据集。 配合上脚本使用可以更快地完成数据集构建工作。软件使用方法也在博客中，主要有两个模型进行跟踪，标注人员只需要微调即可，tracker1用于追踪运动多的目标，trakcer2用于追踪以静止为主的目标，可以灵活切换两个tracker

reid-strong-baseline-demo.py

reid-strong-baseline-tools.tar.xz