# SCDA_pytorch1 **Repository Path**: fkgeek/scda_pytorch1 ## Basic Information - **Project Name**: SCDA_pytorch1 - **Description**: No description available - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2021-12-20 - **Last Updated**: 2022-03-23 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # SCDA_pytorch This is a pytorch implement of SCDA ([selective deep descriptors selection for fine-grained image retrieval](https://arxiv.org/abs/1604.04994)), which is fully translated from its original matlab version ## requirements > python 3.6.5 > numpy 1.16.3 > pandas 0.24.2 > torch 1.2.0 + cuda 9.2 > torchvision 0.4.0 + cuda 9.2 > scikit-image 0.17.2 > scikit-learn 0.23.1 > scipy 1.3.1 > Pillow 6.1.0 > matplotlib 3.0.3 > opencv-contrib-python 4.1.0.25 > opencv-python 4.1.0.25 > NVIDIA Geforce GTX 1060 关于pytorch版本的SCDA的说明文档 首先需要明确的一点是，这是无监督的细粒度图像检索，在数据集的划分上与度量学习的习惯性划分是截然不同的，具体请参照SCDA 原论文 这份代码是对基于matlab版本的SCDA开源代码的翻译版，已经尽可能的以matlab版本的代码的设置为准了，当然可能有所疏漏，所以两份代码都要看， 使用复现的基于pytorch的代码时请仔细检查。 http://www.lamda.nju.edu.cn/code_SCDA.ashx 以上是SCDA matlab版的源码地址 关于运行复现的SCDA： 1. 下载[cub200-2011](http://www.vision.caltech.edu/visipedia/CUB-200-2011.html)数据集 下载[vgg16](https://download.pytorch.org/models/vgg16-397923af.pth)预训练模型于 .\SCDA_for_LL\model文件夹下 2. 更改 .\SCDA_for_LL\files.py 这个程序的第15行代码为自己下载的CUB 数据集的绝对路径，并运行该程序 .\SCDA_for_LL\datafile 文件夹下会生成四个json文件，它们与加载数据集有关。 3. 运行 .\SCDA_for_LL\WAOCD\original_SCDA.py 这是对于SCDA的尽可能精确的复现 提取好的特征也存储在.\SCDA_for_LL\datafile 文件夹下（刚刚看了下，这份代码可以实现的更为简洁，请自行修改） 4. - .\SCDA_for_LL\WAOCD\compute_recall_as_ms.py - .\SCDA_for_LL\WAOCD\compute_map_test_batch_circle.py - 这两个程序用来衡量算法的效果，跑出来的结果一样，两版实现都是正确的 - .\SCDA_for_LL\WAOCD\compute_recall_as_ms.py 运行的速度相对要快很多 .但是我只实现了Recall@K 但是Recall@K是度量学习领域的评价指标，SCDA使用mAP@K作为评价指标（Recall@1等价于mAP@1） - 注：在不同的领域/语境中， 对于recall的定义是有所差异的；具体到度量学习领域，其定义参见 https://arxiv.org/abs/1511.06452 - .\SCDA_for_LL\WAOCD\compute_map_test_batch_circle.py 运行较慢，但是Recall@K 与mAP@K都实现了 并且计算的结果自动写入CSV文件，是很便利的；CSV文件在.\SCDA_for_LL\result 文件夹下 5. 如果读者想要进行真实的图像检索的话，也是可以的，以下的程序中是一个简易的版本 .\SCDA_for_LL\WAOCD\img_retrival_original_scda.py 从测试集中选定一个query,然后修改程序第77行的query的路径 第330行左右也是可以修改的，不多说，读者请看源码 然后这份代码不光是图像检索相关，也对SCDA论文中的可视化的热力图进行了实现，具体请参照源码 可视化的结果将会存储在.\SCDA_for_LL\retrivial_visualize文件夹下 以上便是全部的介绍 有任何问题请联系：hello_yuhan@163.com 2021.3.21 于涵