AD-Cluster：用于域自适应行人重识别的增强判别聚类
计算机视觉与模式识别
2020-04-24 v2
摘要
域自适应行人重识别（re-ID）是一项具有挑战性的任务，尤其是当目标域中的行人身份未知时。现有方法试图通过迁移图像风格或对齐跨域特征分布来解决这一挑战，但目标域中丰富的无标签样本并未得到充分利用。本文提出了一种新颖的增强判别聚类（AD-Cluster）技术，该技术估计并增强目标域中的行人聚类，并利用增强后的聚类来强化重识别模型的判别能力。AD-Cluster通过迭代的基于密度的聚类、自适应样本增强和判别性特征学习进行训练。它学习一个图像生成器和一个特征编码器，旨在以对抗性的最小-最大方式，最大化样本空间中聚类内的多样性，并最小化特征空间中聚类内的距离。最终，AD-Cluster增加了样本聚类的多样性，并极大地提高了重识别模型的判别能力。在Market-1501和DukeMTMC-reID数据集上的大量实验表明，AD-Cluster以较大优势优于现有最先进方法。
引用
@article{arxiv.2004.08787,
title = {AD-Cluster: Augmented Discriminative Clustering for Domain Adaptive Person Re-identification},
author = {Yunpeng Zhai and Shijian Lu and Qixiang Ye and Xuebo Shan and Jie Chen and Rongrong Ji and Yonghong Tian},
journal= {arXiv preprint arXiv:2004.08787},
year = {2020}
}
备注
Accepted by CVPR'20