行人重识别中的自适应L2正则化
计算机视觉与模式识别
2020-10-20 v2
摘要
我们在行人重识别场景中引入一种自适应 L2 正则化机制。在文献中，常见做法是使用手工选定的、在整个训练过程中保持恒定的正则化因子。与现有方法不同，我们提出方法中的正则化因子通过反向传播进行自适应更新。这是通过将可训练的标量变量作为正则化因子，并进一步将其输入缩放硬 sigmoid 函数来实现的。在 Market-1501、DukeMTMC-reID 和 MSMT17 数据集上的大量实验验证了我们的框架的有效性。最值得注意的是，我们在最大的行人重识别数据集 MSMT17 上取得了最先进的性能。源代码公开于 https://github.com/nixingyang/AdaptiveL2Regularization。
引用
@article{arxiv.2007.07875,
title = {Adaptive L2 Regularization in Person Re-Identification},
author = {Xingyang Ni and Liang Fang and Heikki Huttunen},
journal= {arXiv preprint arXiv:2007.07875},
year = {2020}
}
备注
Accepted at ICPR 2020