面向无监督行人重识别的域自适应注意力学习
计算机视觉与模式识别
2024-06-18 v2
摘要
由于存在较大的跨数据集差异以及缺乏标注的目标实例,跨多个数据集的行人重识别(Re-ID)是一项具有挑战性的任务。为解决这两个问题,本文提出一种域自适应注意力学习方法,以将判别性表示从有标注的源域可靠地迁移到无标注的目标域。在该方法中,学习一个域自适应注意力模型,将特征图分离为域共享部分与域特定部分。以此方式,域共享部分用于捕获可迁移线索,以补偿跨数据集差异并对目标任务给出正向贡献,而域特定部分旨在对噪声信息建模,以避免由域多样性引起的负迁移。进一步采用软标签损失,通过估计伪标签来充分利用无标注目标数据。在 Market-1501、DukeMTMC-reID 和 MSMT17 基准上的大量实验表明,所提方法优于当前最优方法(state-of-the-arts)。
引用
@article{arxiv.1905.10529,
title = {Domain Adaptive Attention Learning for Unsupervised Person Re-Identification},
author = {Yangru Huang and Peixi Peng and Yi Jin and Yidong Li and Junliang Xing and Shiming Ge},
journal= {arXiv preprint arXiv:1905.10529},
year = {2024}
}