用于无监督行人重识别的相机感知代理
计算机视觉与模式识别
2021-02-08 v2
摘要
本文解决不需要任何标注的纯无监督行人重识别（Re-ID）问题。一些先前方法采用聚类技术生成伪标签，并利用生成的标签逐步训练 Re-ID 模型。这些方法相对简单但有效。然而，大多数基于聚类的方法将每个簇视为一个伪身份类，忽略了主要由相机视角变化引起的较大类内方差。为解决这个问题，我们提出将每个单一簇拆分为多个代理，每个代理代表来自同一相机的实例。这些相机感知代理使我们能够处理较大的类内方差并生成更可靠的伪标签用于学习。基于相机感知代理，我们为 Re-ID 模型设计了相机内与跨相机的对比学习组件，以有效学习相机内和跨相机的身份判别能力。同时，还设计了一种代理平衡采样策略，进一步促进了我们的学习。在三个大规模 Re-ID 数据集上的大量实验表明，我们提出的方法大幅优于大多数无监督方法。特别是在具有挑战性的 MSMT17 数据集上，与第二名相比，我们获得了 Rank-1 和 mAP 提升。代码见：\texttt{https://github.com/Terminator8758/CAP-master}。
引用
@article{arxiv.2012.10674,
title = {Camera-aware Proxies for Unsupervised Person Re-Identification},
author = {Menglin Wang and Baisheng Lai and Jianqiang Huang and Xiaojin Gong and Xian-Sheng Hua},
journal= {arXiv preprint arXiv:2012.10674},
year = {2021}
}
备注
Accepted to AAAI 2021. Code is available at: https://github.com/Terminator8758/CAP-master