行人重识别的免费午餐：从自动生成的含噪轨迹片段中学习
计算机视觉与模式识别
2022-04-05 v1
摘要
一系列无监督基于视频的行人重识别（re-ID）方法被提出，以解决标注 re-ID 数据集所需的高人工成本问题。但其性能仍远低于有监督对应方法。同时，这些方法使用了无噪声的干净数据集，这并不现实。本文中，我们提出通过从多目标跟踪（MOT）算法自动生成的人员轨迹片段中学习 re-ID 模型来解决该问题。为此，我们设计了一个基于轨迹片段的多级聚类（TMC）框架，以从含噪人员轨迹片段中有效学习 re-ID 模型。首先，轨迹片段内隔离以减少片段内 ID 切换噪声；其次，交替使用轨迹片段间关联以消除 ID 碎片噪声，以及使用伪标签进行网络训练。在 MARS 上含多种人工生成噪声的大量实验显示了所提框架的有效性。具体而言，所提框架在含最强噪声的模拟轨迹片段上取得了 mAP 53.4% 与 rank-1 63.7%，甚至优于现有最佳方法在干净轨迹片段上的表现。基于结果，我们认为从自动生成的含噪轨迹片段构建 re-ID 模型是一种合理途径，也将是使 re-ID 模型在真实应用中可行的重要方式。
引用
@article{arxiv.2204.00891,
title = {A Free Lunch to Person Re-identification: Learning from Automatically Generated Noisy Tracklets},
author = {Hehan Teng and Tao He and Yuchen Guo and Zhenhua Guo and Guiguang Ding},
journal= {arXiv preprint arXiv:2204.00891},
year = {2022}
}