无监督域自适应重识别中伪标注良好实践的形式化方法
计算机视觉与模式识别
2022-02-03 v3
摘要
为以最佳性能解决无监督域自适应（UDA）重识别（re-ID）问题，伪标注的使用占据主流。事实上，这类方法已催生若干专门针对 UDA re-ID 的框架，且行之有效。在这些工作中，提升伪标注 UDA re-ID 性能的研究方向各异，且多基于直觉与实验：精炼伪标注、降低伪标注中错误的影响……从中难以推导出可应用于任意伪标注方法、从而稳定提升其性能的通用良好实践。针对这一关键问题，我们提出一种关于伪标注 UDA re-ID 的新理论视角。贡献有三：（i）一种用于伪标注 UDA re-ID 的新理论框架，通过所提出的关于 UDA re-ID 性能的新一般学习上界形式化。（ii）直接从该理论框架的解读中推导出的伪标注通用良好实践，以提升目标 re-ID 性能。（iii）在具有挑战性的人与车辆跨数据集 re-ID 任务上的大量实验，表明各类 SOTA 方法与所提出的多种良好实践实现均获得一致的性能提升。
引用
@article{arxiv.2112.12887,
title = {A formal approach to good practices in Pseudo-Labeling for Unsupervised Domain Adaptive Re-Identification},
author = {Fabian Dubourvieux and Romaric Audigier and Angélique Loesch and Samia Ainouz and Stéphane Canu},
journal= {arXiv preprint arXiv:2112.12887},
year = {2022}
}
备注
This paper is a preprint under submission at CVIU for review