Torchreid 是一个用于深度学习人员重新识别的库，用 PyTorch 编写，为我们的 ICCV’19 项目 Omni-Scale Feature Learning for Person Re-Identification 开发。

PyTorch-ReID的特点是

多GPU训练支持图像和视频 REID端到端培训和评估极其轻松地准备 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（易于添加模型、数据集、训练方法等）最先进的深度 REID 模型的实现访问预训练的 Reid 模型先进的培训技术可视化工具（Tensorboard、Ranks 等）

代码：https://github.com/KaiyangZhou/deep-person-reid。

数据集地址：https://kaiyangzhou.github.io/deep-person-reid/datasets.html

文档：https://kaiyangzhou.github.io/deep-person-reid/。

操作说明：https://kaiyangzhou.github.io/deep-person-reid/user_guide。

模型动物园：https://kaiyangzhou.github.io/deep-person-reid/MODEL_ZOO。

技术报告：https://arxiv.org/abs/1910.10093。

你可以在这里找到一些建立在 Torchreid 之上的研究项目。

数据集下载链接

• • Image Datasets

    • Market1501 †† (market1501)

    • CUHK03 (cuhk03)

    • DukeMTMC-reID †† (dukemtmcreid)

    • MSMT17 (msmt17)

    • VIPeR †† (viper)

    • GRID †† (grid)

    • CUHK01 (cuhk01)

    • SenseReID (sensereid)

    • QMUL-iLIDS †† (ilids)

    • PRID (prid)

    • CUHK02 (cuhk02)

    • CUHKSYSU (cuhksysu)

  • Video Datasets

    • MARS (mars)

    • iLIDS-VID †† (ilidsvid)

    • PRID2011 (prid2011)