面向无监督行人重识别的能量聚类方法
计算机视觉与模式识别
2020-04-23 v3
摘要
由于有监督行人重识别(Re-ID)方法的数据标注成本高，无监督学习在现实世界中更具吸引力。基于层次聚类的自底向上聚类(BUC)方法是一种有前景的无监督聚类方法。BUC的一个关键因素是距离度量策略。理想情况下，距离度量应同时考虑所有样本的簇间距离与簇内距离。然而，BUC使用最小距离，仅考虑两个簇之间最近的一对样本，忽略了簇内其他样本的多样性。为解决该问题，我们提出在层次聚类中使用能量距离来评估簇间与簇内距离(E-cluster)，并使用偏差平方和(SSD)作为正则化项，进一步平衡能量距离评估的多样性与相似性。我们在大规模Re-ID数据集上评估了我们的方法，包括Market-1501、DukeMTMC-reID和MARS。大量实验表明，我们的方法相比最先进的无监督方法取得了显著提升，甚至优于一些迁移学习方法。
引用
@article{arxiv.1909.00112,
title = {Energy Clustering for Unsupervised Person Re-identification},
author = {Kaiwei Zeng},
journal= {arXiv preprint arXiv:1909.00112},
year = {2020}
}
备注
Accepted by Image and Vision Computing