用
Res50从单张查询图像 中提取得到一个2048维的特征向量进行DimProcs：对
2048维的特征向量进行L2正则化-
维度处理后的特征降维成了
512维的特征向量- 这里的gallery_fea&query_fea分别是
{ndarray:(4367,512)}，{ndarray:(1,512)} - 后面用torch.Tensor()转换成了
{Tensor:(4367,512)}，Tensor:{1,512}
- 这里的gallery_fea&query_fea分别是
对gallery_fea进行特征增强(feature_enhance)，用的是identity就是啥都没做，直接返回原来的
{Tensor:(4367,512)}特征
对上面的总结
- 之后用metric计算单张查询图像的特征，和图库图像特征的特征的距离
dis
dis的具体形式
-
根据算得的
dis用torch.argsort(dis, dim=1)函数对index进行排序得到sorted_index每一个
index对应一张图库集的图像
ranked_neighbors
- 通过
do_index函数得到根据dis排序得到的图片idx从gallery_info中找到相应路径，并用save_topk_retrieved_images进行保存-
最后我们就会得到
五张最相近的图像
-
