面向可泛化行人重识别的对偶分布对齐网络

Peixian Chen; Pingyang Dai; Jianzhuang Liu; Feng Zheng; Qi Tian; Rongrong Ji

面向可泛化行人重识别的对偶分布对齐网络

信息检索 2020-07-28 v1 计算机视觉与模式识别机器学习

作者: Peixian Chen , Pingyang Dai , Jianzhuang Liu , Feng Zheng , Qi Tian , Rongrong Ji

摘要

域泛化(DG)是处理行人重识别(Re-ID)的一种有前景的方案，它仅使用源域的标签训练模型，随后直接将训练好的模型用于目标域而无需模型更新。然而，现有DG方法常因显著的数据集差异带来的严重域变化而受干扰。进而，DG高度依赖于设计域不变特征，但这一点并未被充分挖掘，因为大多数现有方法直接混合多个数据集来训练基于DG的模型，而未考虑局部数据集相似性，即来自不同域却非常相似的样本。本文提出一种对偶分布对齐网络(DDAN)，通过将图像映射至域不变特征空间并选择性地对齐多个源域的分布来应对该挑战。这种对齐由双层级约束完成，即域级对抗特征学习与身份级相似性增强。我们在一个大规模域泛化行人重识别(DG Re-ID)基准上评估了DDAN。定量结果表明，所提DDAN能很好地对齐各源域分布，并显著优于所有现有域泛化方法。

关键词

域泛化行人重识别对偶分布对齐域不变特征对抗学习相似性增强 DDAN

引用

@article{arxiv.2007.13249,
  title  = {Dual Distribution Alignment Network for Generalizable Person Re-Identification},
  author = {Peixian Chen and Pingyang Dai and Jianzhuang Liu and Feng Zheng and Qi Tian and Rongrong Ji},
  journal= {arXiv preprint arXiv:2007.13249},
  year   = {2020}
}

备注

8 pages, 3 figures

面向可泛化行人重识别的对偶分布对齐网络

摘要

关键词

引用

备注

相关论文