用于无监督行人重识别的相机感知风格分离与对比学习
计算机视觉与模式识别
2022-08-30 v1
摘要
无监督行人重识别（ReID）是一项在没有数据标注引导判别学习的挑战性任务。现有方法试图通过聚类提取的嵌入来生成伪标签以解决该问题。然而，大多数方法忽略了由相机风格差异引起的类内差距，且部分方法虽试图解决相机风格对特征分布的负面影响，但相对复杂且间接。为此，我们提出一种相机感知风格分离与对比学习方法（CA-UReID），利用所设计的相机感知注意力模块直接在特征空间中分离相机风格。它能显式地将可学习特征划分为相机特定部分和相机无关部分，从而降低不同相机的影响。此外，为进一步缩小跨相机差距，我们设计了相机感知对比中心损失，以学习更具判别性的各身份嵌入。大量实验证明了我们的方法在无监督行人ReID任务上优于最先进的方法。
引用
@article{arxiv.2112.10089,
title = {Camera-aware Style Separation and Contrastive Learning for Unsupervised Person Re-identification},
author = {Xue Li and Tengfei Liang and Yi Jin and Tao Wang and Yidong Li},
journal= {arXiv preprint arXiv:2112.10089},
year = {2022}
}
备注
6 pages, 4 figures, 2 tables