适配与重识别网络：一种无监督深度迁移学习的人物重识别方法
计算机视觉与模式识别
2018-04-26 v1
摘要
人物重识别(Re-ID)旨在从跨不同摄像头拍摄的图像中辨认同一个人。为解决该任务，通常需大量标注数据以训练有效的 Re-ID 模型，这对实际应用未必可行。为缓解此限制，我们选取利用来自不同(辅助)数据集的充足已有标注数据。通过联合考虑此类辅助数据集与感兴趣数据集(无标签信息)，我们提出的适配与重识别网络(ARN)执行无监督域适配，跨数据集利用信息并为 Re-ID 提取域不变特征。实验中，我们验证了本网络优于最先进的无监督 Re-ID 方法，甚至超越若干需全监督数据训练的基线 Re-ID 方法。
引用
@article{arxiv.1804.09347,
title = {Adaptation and Re-Identification Network: An Unsupervised Deep Transfer Learning Approach to Person Re-Identification},
author = {Yu-Jhe Li and Fu-En Yang and Yen-Cheng Liu and Yu-Ying Yeh and Xiaofei Du and Yu-Chiang Frank Wang},
journal= {arXiv preprint arXiv:1804.09347},
year = {2018}
}
备注
7 pages, 3 figures. CVPR 2018 workshop paper