用于无监督行人重识别的置信度引导质心
计算机视觉与模式识别
2022-11-23 v1
摘要
无监督行人重识别（ReID）旨在不利用身份标签的情况下训练用于身份检索的特征提取器。由于对不完美聚类结果的盲目信任，学习不可避免地受到不可靠伪标签的误导。尽管先前工作已研究伪标签精炼，但它们通常借助相机 ID 与身体部位预测等辅助信息。本工作探索聚类的内部特征以精炼伪标签。为此，提出置信度引导质心（CGC）为特征学习提供可靠的簇级原型。由于仅高置信度样本参与质心形成，低置信度样本（即边界样本）的身份信息不太可能贡献于相应质心。给定新质心后，当前将样本强制仅从其被分配质心学习的方案并不明智。为弥补此状况，我们提出使用置信度引导伪标签（CGL），使样本不仅接近原始分配质心，也接近其他可能嵌入其身份信息的质心。借助置信度引导质心与标签，我们的方法取得了与大量利用辅助信息的 SOTA 伪标签精炼工作相当甚至更优的性能。
引用
@article{arxiv.2211.11921,
title = {Confidence-guided Centroids for Unsupervised Person Re-Identification},
author = {Yunqi Miao and Jiankang Deng and Guiguang Ding and Jungong Han},
journal= {arXiv preprint arXiv:2211.11921},
year = {2022}
}