yuyi
知不可乎骤得，托遗响于悲风
科研学习流水账56
阅读了论文 Dual-level contrastive learning for unsupervised person re-identifification
代码工作：
- 清晰理解代码原理、结构和流程，实现驾驶数据上SimCLR模型的预训练。
- 将SimCLR模型预训练后的模型和权重保存，加载模型和数据输出其中间层特征并保存为.mat数据留待下一个任务使用。
- 修改原代码数据变换的方，基于原代码的linear和non-linear模型训练出微调后的结果。
- 使用全部的数据、尝试不同数据变换函数、以及SimCLR模型不同中间层输出维度数继续进行实验。
- 使用不同数量的有标注数据进行linear和non-linear 的微调。
问题分析
- 预训练使用数据
使用全部的数据相比只使用normal 和 aggressive 的三千多个数据进行预训练效果，后者更好。
下步计划
继续做实验，找出最好结果的数据，并将其SimCLR中间层输出特征保存后发给高师兄。
