VisDA-2020冠军方案：面向域自适应行人重识别的偏差消除
计算机视觉与模式识别
2020-12-29 v1
摘要
本文介绍了我们针对视觉域自适应挑战赛(VisDA-2020)中域自适应行人重识别(Re-ID)任务所提出的方法。考虑到源域与目标域之间的巨大差异，我们着重解决影响域自适应行人重识别性能的两类偏差，并提出了一种两阶段训练流程。在第一阶段，使用从源域迁移至目标域风格以及从单相机迁移至多相机风格的图像训练基线模型。随后我们引入一个域自适应框架，在源数据与目标数据上同时训练模型。采用不同的伪标签生成策略持续提升模型的判别能力。最终，通过集成多个模型并采用额外的后处理方法，我们的方法在测试集上取得了76.56%的mAP和84.25%的rank-1。代码已发布于https://github.com/vimar-gu/Bias-Eliminate-DA-ReID
引用
@article{arxiv.2012.13498,
title = {1st Place Solution to VisDA-2020: Bias Elimination for Domain Adaptive Pedestrian Re-identification},
author = {Jianyang Gu and Hao Luo and Weihua Chen and Yiqi Jiang and Yuqi Zhang and Shuting He and Fan Wang and Hao Li and Wei Jiang},
journal= {arXiv preprint arXiv:2012.13498},
year = {2020}
}
备注
1st place solution to VisDA-2020 Challenge (ECCVW 2020). The source code and trained models can be obtained at https://github.com/vimar-gu/Bias-Eliminate-DA-ReID