利用时间相干性进行自监督一次性视频重识别
计算机视觉与模式识别
2020-07-23 v1
摘要
尽管有监督的重识别技术极为有效，但对大量标注的需求使它们在大型摄像头网络中难以实用。一次性重识别（one-shot re-identification）为每个身份仅使用一条带标注的轨迹片段（tracklet）以及一组无标注轨迹片段，是减少此类标注工作的一个潜在候选方案。当前的一次性重识别方法通过建模标注与无标注数据之间的相互关系来运作，但未能充分利用无标注数据池本身内部存在的此类关系。在本文中，我们提出一个名为时间一致性渐进学习（Temporal Consistency Progressive Learning）的新框架，该框架在一次性学习范式中使用时间相干性（temporal coherence）作为一种新颖的自监督辅助任务，以捕捉无标注轨迹片段之间的此类关系。通过优化两个新的损失函数（它们在局部与全局尺度上强制一致性），我们的框架能够学习更丰富且更具判别力的表示。在 MARS 与 DukeMTMC-VideoReID 两个具有挑战性的视频重识别数据集上的大量实验表明，我们提出的方法能够更准确地估计无标注数据的真实标签，提升幅度达 ，并且相比现有 SOTA 技术获得了显著更优的重识别性能。
引用
@article{arxiv.2007.11064,
title = {Exploiting Temporal Coherence for Self-Supervised One-shot Video Re-identification},
author = {Dripta S. Raychaudhuri and Amit K. Roy-Chowdhury},
journal= {arXiv preprint arXiv:2007.11064},
year = {2020}
}
备注
Accepted at ECCV 2020