ConMAE：用于无监督车辆重识别的轮廓引导 MAE
计算机视觉与模式识别
2023-02-14 v1
摘要
车辆重识别是一项通过匹配不同视角下同一目标车辆实现的跨视角检索任务。它在车路协同与智能道路管控中发挥着重要作用。面对大规模且动态的道路环境，有监督车辆重识别范式因严重依赖大规模标注数据集而表现出有限的可扩展性。因此，具有更强跨场景泛化能力的无监督车辆重识别吸引了更多关注。考虑到掩码自编码器（Masked Autoencoder, MAE）已在自监督学习中展现出优异性能，本工作设计了一种用于无监督车辆重识别的轮廓引导掩码自编码器（ConMAE），其受提取信息性轮廓线索以突出跨视角关联关键区域的启发。ConMAE 通过保留含轮廓像素的图像块并随机掩码具平滑纹理的块来实现。此外，为提升无监督重识别中车辆伪标签的质量，我们设计了一种标签软化策略，并随训练步数增加自适应更新标签。我们在 VeRi-776 与 VehicleID 数据集上开展实验，与最先进的无监督车辆重识别方法相比取得了显著的性能提升。代码发布于 https://github.com/2020132075/ConMAE。
引用
@article{arxiv.2302.05673,
title = {ConMAE: Contour Guided MAE for Unsupervised Vehicle Re-Identification},
author = {Jing Yang and Jianwu Fang and Hongke Xu},
journal= {arXiv preprint arXiv:2302.05673},
year = {2023}
}
备注
Accepted by CCDC2023