通过合成数据进行域自适应以实现无监督行人重识别
计算机视觉与模式识别
2018-04-27 v1
摘要
监控摄像头间光照的剧烈变化使得行人重识别问题极具挑战性。当前大规模重识别数据集包含大量训练对象，但缺乏光照条件的多样性。因此，训练好的模型需要微调以在未见过的光照条件下生效。为缓解该问题，我们引入了一个包含数百种光照条件的新型合成数据集。具体而言，我们使用 100 个虚拟人体，并以多个 HDR 环境贴图进行照明，精确建模真实的室内与室外光照。为在未见光照条件下获得更高精度，我们提出了一种新颖的域自适应技术，该技术利用我们的合成数据并以完全无监督的方式执行微调。我们的方法比半监督和无监督的当前最优方法精度显著更高，并且与有监督技术极具竞争力。
引用
@article{arxiv.1804.10094,
title = {Domain Adaptation through Synthesis for Unsupervised Person Re-identification},
author = {Slawomir Bak and Peter Carr and Jean-Francois Lalonde},
journal= {arXiv preprint arXiv:1804.10094},
year = {2018}
}