技术赋能万物互联，京东通用目标重识别开源库 FastReID V1.0 重磅来袭

重大更新！一文了解京东通用目标重识别开源库 FastReID V1.0
2020年6月，京东AI研究院发布了基于PyTorch的通用目标重识别（ReID）开源库FastReID。经过了最近半年的持续优化，2021年1月18日京东AI研究院发布了更新版本FastReID V1.0。在京东内部，FastReID已经获得广泛地应用于智能园区、智能楼宇等多个业务场景。

概览：目标重识别

目标重识别（ReID）旨在从不同时间、不同视角拍摄的图像中重新识别出同一目标。它在视频监控、零售、安防等领域有着广泛的应用。

FastReID V1.0 的优势

相较于之前的版本，FastReID V1.0 进行了全方位的升级，具有以下优势：

• 新增先进算法： 集成了最新的算法，如 AlignedReID、PCB 和 Part-based CNN，进一步提升了识别精度。
• 支持多模态特征： 除 RGB 图像外，FastReID V1.0 还支持红外、深度和热图等多模态特征提取，满足更广泛的应用场景。
• 丰富的预训练模型： 提供了在多个 ReID 数据集上预训练的模型，方便用户快速上手和微调。
• 模块化设计： 采用模块化设计，用户可以灵活地选择所需的组件和算法，定制自己的目标重识别系统。

应用场景

FastReID V1.0 在京东内部已广泛应用于：

• 智能园区： 人员身份识别、车辆识别、轨迹追踪
• 智能楼宇： 人员身份识别、考勤管理、访客管理
• 零售： 客流分析、商品推荐、防盗监控

技术细节

FastReID V1.0 基于 PyTorch 框架构建，具体技术细节如下：

• 网络架构： 支持 ResNet、ResNeXt、SENet 等多种网络架构
• 损失函数： 支持 Triplet Loss、Center Loss、Focal Loss 等多种损失函数
• 数据增强： 提供丰富的图像增强策略，如随机裁剪、翻转、颜色抖动等

评价指标

FastReID V1.0 在多个公开数据集上进行了评估，取得了出色的成绩：

• Market-1501 数据集： Rank-1 准确率 95.1%
• DukeMTMC-reID 数据集： Rank-1 准确率 92.4%
• MSMT17 数据集： Rank-1 准确率 94.2%

使用指南

FastReID V1.0 的使用指南和详细文档已在 GitHub 上提供：https://github.com/JDAI-CV/FastReID

结语

京东通用目标重识别开源库 FastReID V1.0 的发布，标志着京东 AI 在目标重识别领域的又一重大突破。FastReID V1.0 将助力更多开发者和研究人员快速、高效地构建目标重识别系统，赋能万物互联的新时代。

---