CNTN：用于步态识别的循环噪声容忍网络
计算机视觉与模式识别
2022-10-14 v1
摘要
步态识别旨在通过识别行走模式来辨识个体。然而，我们观察到以往大多数步态识别方法因两种记忆效应（即外观记忆与标签噪声记忆）而显著退化。为解决该问题，本文首次研究含噪声步态识别，并提出一种带有循环训练算法的循环噪声容忍网络（CNTN），其赋予两个并行网络明显不同的能力，即一个遗忘网络与一个记忆网络。除非两个不同网络都记住某模式，否则整体模型不会记忆该模式。进一步，施加更精细的协同教学约束以帮助模型学习受记忆影响较小的内在模式。同时，针对标签噪声记忆，提出自适应噪声检测模块以排除高概率含噪样本对模型的更新。实验在三个最流行基准上进行，CNTN 取得了最先进的性能。我们还重建了两个含噪声步态识别数据集，CNTN 获得显著提升（尤其在 CL 设定下提升 6%）。CNTN 亦兼容任何现成主干网络并持续对其进行改进。
引用
@article{arxiv.2210.06910,
title = {CNTN: Cyclic Noise-tolerant Network for Gait Recognition},
author = {Weichen Yu and Hongyuan Yu and Yan Huang and Chunshui Cao and Liang Wang},
journal= {arXiv preprint arXiv:2210.06910},
year = {2022}
}