基于度量学习的行人重识别(二)
共 9675字,需浏览 20分钟
·
2021-07-07 00:25
前面我们已经说到了三元组损失以及MobileNet模型的搭建,我们再来看一下实现的具体流程,如下图:
batch :是指输入的人脸图像样本,这里的样本是已经经过人脸检测找到人脸并裁剪到固定尺寸(例如160x160)的图片样本。
Deep architecture:指的是采用一种深入学习架构例如imagenet历年冠军网络中的VGG,GoogleNet等,本文中我们将使用MoblieNetv2 作为主要的特征提取网络。
L2 :是指特征归一化(使其特征的||f(x)||2=1,这里是2次方的意思。这样所有图像的特征都会被映射到一个超球面上)
Embeddings: 就是前面经过深度学习网络,L2归一化后生成的特征向量(这个特征向量就代表了输入的一张样本图片)
Triplet Loss:就是有三张图片输入的Loss(之前的都是Double Loss或者 是 SingleLoss)。直接学习特征间的可分性:相同身份之间的特征距离要尽可能的小,而不同身份之间的特征距离要尽可能的大
一|数据集处理。
SUMMER OF 2021
在数据集方面,我们同样使用了DukeMTMC-reID数据集,这是在杜克大学内采集的,图像来自8个不同的摄像头。该数据集提供训练集和测试集。训练集包含16522张图像,测试集包含1761张图像。训练集几乎共有702人,平均每个人有23.5张训练数据。是目前最大的行人重识别数据集,并且提供了行人属性,如性别,长短袖,是否有背包等标注。
接下来,我们进行数据处理,首先,我们先观察数据的命名格式,发现数据的命名是00xx_**_**.jpg。后面的不用管,我们的目的是提取对应行人的索引。所以可以对_前的数值进行提取,新建一个data2txt.py写入如下代码:
import os
import cv2
data_path=r'E:\DataSets\DukeMTMC-reID\DukeMTMC-reID\bounding_box_train'
image_paths=[os.path.join(data_path,p)for p in os.listdir(data_path)]
nameid=[]
for image_path in image_paths:
name=image_path.split('\\')[-1].split('_')[0]
if name+'\n' not in nameid:
nameid.append(name+'\n')
with open('train.txt', 'w', encoding='utf8') as f:
f.writelines(nameid)
同样地,修改一下数据地路径以及最终的保存名称,运行程序我们可以生成train.txt以及test.txt文件,里面存放的是如下所示的标签:
二|数据处理。
SUMMER OF 2021
接下来,我们要编写一个读取数据集的类,用来训练时边训练边读取,这里我们不再使用生成器的模式来写,而是使用tf.keras.utils.Sequence来新建一个数据加载类。新建一个load_data.py文件,首先导入依赖库以及后面需要用到的一些函数,同学们也可以创建一个utils.py文件来存放这些函数:
import numpy as np
import tensorflow.keras as k
import glob
import os
from tqdm import tqdm
import json
import math
import random
from PIL import Image
import cv2
from keras.utils import np_utils
# 生成 a 到
def rand(a=0, b=1):
return np.random.rand()*(b-a) + a
# 读取txt 文件
def read_lines(path=r'datasets\train.txt'):
with open(path,'r',encoding='utf8') as f:
data= f.readlines()
return data
接着,新建一个类叫Person_Dataset,并初始化数据,这里我们必须完成 __len__ 以及 __getitem__ 这两个函数,前者是用来判断总共需要多少次读取才能把数据完全拿到,公式为:读取次数 = 总图片数/batch_size ,而后者是用来获取每一个批次的可供训练的数据:
class Person_Dataset(k.utils.Sequence):
def __init__(self,image_path,batch_size,train=True,input_size=(215,90,3)):
self.image_path = image_path
self.num_len = len(os.listdir(image_path))
self.batch_size = batch_size
self.train = train
self.json_data = self.load_data_path()
self.json_key = list(self.json_data.keys())
self.image_height,self.image_width,self.channel = input_size
def __len__(self):
return math.ceil(self.num_len / float(self.batch_size))
def __getitem__(self, item):
pass
接着,我们再写入load_data_path函数,用来读取训练,或者测试时的json数据,并返回,为了方便,第一次读取时直接把数据写入到json中,后续直接读取json可以省点时间:
def load_data_path(self):
if self.train:
if not os.path.isfile('datasets/train.json'):
label_data_dist={}
label_names = read_lines()
for labelname in tqdm(label_names):
labelname = labelname.strip('\n')
label_to_imagepaths= glob.glob(self.image_path+'\%s*'%labelname)
label_data_dist[labelname]=label_to_imagepaths
# print(label_to_imagepaths)
json_ = json.dumps(label_data_dist)
with open('datasets/train.json', 'w', encoding='utf8') as f:
f.writelines(json_)
return json_
else:
with open('datasets/train.json', 'r', encoding='utf8') as f:
json_ = json.loads(f.read())
return json_
else:
if not os.path.isfile('datasets/test.json'):
label_data_dist={}
label_names = read_lines(path=r'datasets\test.txt')
for labelname in tqdm(label_names):
labelname = labelname.strip('\n')
label_to_imagepaths= glob.glob(self.image_path+'\%s*'%labelname)
label_data_dist[labelname]=label_to_imagepaths
# print(label_to_imagepaths)
json_ = json.dumps(label_data_dist)
with open('datasets/test.json', 'w', encoding='utf8') as f:
f.writelines(json_)
return json_
else:
with open('datasets/test.json', 'r', encoding='utf8') as f:
json_ = json.loads(f.read())
return json_
然后,为了使模型更具鲁棒性,所以我们再编写一个数据增强的函数,用来对行人数据进行随机裁剪、随机翻转、随机缩放等。
# 随机增强数据
def get_random_data(self, image, input_shape, jitter=.1, hue=.1, sat=1.3, val=1.3, flip_signal=True):
'''
:param image: PIL Image
:param input_shape: 输入尺寸
:param jitter: 裁剪
:param hue: h
:param sat: s
:param val: v
:param flip_signal: 翻转
:return:
'''
image = image.convert("RGB")
h, w = input_shape
rand_jit1 = rand(1 - jitter, 1 + jitter)
rand_jit2 = rand(1 - jitter, 1 + jitter)
new_ar = w / h * rand_jit1 / rand_jit2
# 随机裁剪图片
scale = rand(0.9, 1.1)
if new_ar < 1:
nh = int(scale * h)
nw = int(nh * new_ar)
else:
nw = int(scale * w)
nh = int(nw / new_ar)
image = image.resize((nw, nh), Image.BICUBIC)
# 随机翻转图片
flip = rand() < .5
if flip and flip_signal:
image = image.transpose(Image.FLIP_LEFT_RIGHT)
dx = int(rand(0, w - nw))
dy = int(rand(0, h - nh))
new_image = Image.new('RGB', (w, h), (128, 128, 128))
new_image.paste(image, (dx, dy))
image = new_image
# 旋转图片
rotate = rand() < .5
if rotate:
angle = np.random.randint(-10, 10)
a, b = w / 2, h / 2
M = cv2.getRotationMatrix2D((a, b), angle, 1)
image = cv2.warpAffine(np.array(image), M, (w, h), borderValue=[128, 128, 128])
return image
最后就是完成__getitem__函数中的内容啦,我们先使用numpy新创建两个全0的数组,维度分别为(batch_size,3,h,w,c)以及(batch_size,3),用来存放图片数据以及标签数据。
def __getitem__(self, item):
images = np.zeros((self.batch_size, 3, self.image_height, self.image_width, self.channel))
labels = np.zeros((self.batch_size, 3))
然后使用循环读取一个批次的数据并返回,具体流程如下:
在读取的json中随机取得第一个人,并判断这个人拥有的图片数是否大于2,否则重取
在取得的第一个人的图片中随机获取2张图片分别进行图像处理以及标签处理
在取得的json中随机取得第二个人,并判断此人与第一个人是否是同一个人,是则重取
在取得的第二个人的图片中随机获取1张图片并进行图像处理以及标签处理
组合数据与标签
返回
# 循环获取一个批次的数据
for i in range(self.batch_size):
# 随机在json中获取一个人
c = np.random.choice(self.json_key, 1)
select_path = self.json_data[c[0]]
# 当获取人的图片数量小于2 则重新获取
while len(select_path) < 2:
c = np.random.choice(self.json_key, 1)
select_path = self.json_data[c[0]]
# 在随机获取的人 的图片中 随机取得两张
image_index = np.random.choice(select_path, 2)
# 第一张图片
image1 = Image.open(image_index[0])
# 数据增强
image1 = self.get_random_data(image1, [self.image_height, self.image_width])
image1 = np.asarray(image1).astype(np.float64) / 255.
# 获取当前人的标签
label = self.json_key.index(c[0])
images[i, 0, :, :, :] = image1
labels[i, 0] = label
# 第二张图片
image2 = Image.open(image_index[1])
image2 = self.get_random_data(image2, [self.image_height, self.image_width])
image2 = np.asarray(image2).astype(np.float64) / 255.
images[i, 1, :, :, :] = image2
labels[i, 1] = label
# 随机获取第二个人的图片路径
diff_c = np.random.choice(self.json_key, 1)
# 如果和第一个人 是同一人则重新取
while diff_c[0] == c[0]:
diff_c = np.random.choice(self.json_key, 1)
# 随机取得不同人的一张图片
diff_select_path = self.json_data[diff_c[0]]
diff_c_image_path = np.random.choice(diff_select_path, 1)
# 图片读取
diff_image = Image.open(diff_c_image_path[0])
diff_image = self.get_random_data(diff_image, [self.image_height, self.image_width])
diff_image = np.asarray(diff_image).astype(np.float64) / 255.
diff_label = self.json_key.index(diff_c[0])
images[i, 2, :, :, :] = diff_image
labels[i, 2] = diff_label
# 组合3张图片
images1 = np.array(images)[:, 0, :, :, :]
images2 = np.array(images)[:, 1, :, :, :]
images3 = np.array(images)[:, 2, :, :, :]
images = np.concatenate([images1, images2, images3], 0)
# 组合3个标签
labels1 = np.array(labels)[:, 0]
labels2 = np.array(labels)[:, 1]
labels3 = np.array(labels)[:, 2]
labels = np.concatenate([labels1, labels2, labels3], 0)
# 独热编码
labels = np_utils.to_categorical(np.array(labels), num_classes=len(self.json_key))
return images, {'Embedding': np.zeros_like(labels), 'Softmax': labels}
三|数据验证。
SUMMER OF 2021
这样一个数据读取的类就完成了,我们可以使用如下的方式进行验证,看看返回的数据是否是我们所需的。
image_dir = r'E:\DataSets\DukeMTMC-reID\DukeMTMC-reID\bounding_box_train'
batch_size=1
# 实例化数据
dataset=Face_Dataset(image_dir,batch_size)
# 获得第一个batch_size 的数据
image,dict = dataset.__getitem__(1)
embb=dict['Embedding']
label = dict['Softmax']
# 风别取得3张图片的索引
for i in range(3):
image_ = np.array(image[i]*255.,dtype='uint8')
cv2.imshow('s%s'%i,image_)
print(label[i].argmax())
cv2.waitKey(0)
程序运行结果如下,我们可以看到第一第二张图片很明显就是同一个人,所以他们的索引是一致的,第三张图片是不同人,所以索引是不一样的。
以上就是本期推文的全部内容了,由于数据处理方面还是比较复杂的,模型训练以及测试将会在下个推文给出,喜欢的可以点个关注噢!