Open Kang9779 opened 4 years ago
用的是cosine similarity。 两个特征都norm过,类似vector 的夹角。 方向接近,夹角小,similarity高。
用的是cosine similarity。 两个特征都norm过,类似vector 的夹角。 方向接近,夹角小,similarity高。
哦哦,明白了,感谢回复。刚开始也在想是不是在算余弦距离。另外想再问一下,test_2020.py中得到了query_label和gallery_label 保存到mat文件中了,在evaluate_gpu.py中,query_cam = result['query_cam'][0] query_label = result['query_label'][0] gallery_cam = result['gallery_cam'][0] gallery_label = result['gallery_label'][0]
取出label标签的时候,为啥要取[0],这不是只是取了一个元素id吗?
我记得是因为读出来是dict 所以要取一下第一个value
我记得是因为读出来是dict 所以要取一下第一个value
哦哦,那可能是scipy的版本不一样。。。我这边是result['query_label']取出来就是直接是label的列表。
楼主,你好,刚开始入门reid,看了你的代码,最后的评估evaluate_result中的score是算的两个特征矩阵乘积,
score = torch.mm(query_feature, torch.transpose( gallery_feature, 0, 1))
,不是很理解,一个query的feature与gallery的features做度量,为什么要用乘法呀?求指教