用于跨域行人重识别的保身份生成对抗网络
计算机视觉与模式识别
2018-11-29 v1
摘要
行人重识别旨在从行人检测器检测出的无重叠相机视角图像中检索行人图像。大多数现有行人重识别(re-ID)模型在从训练模型的源域泛化到无标签的新目标域时往往表现不佳，这是由于源域与目标域之间的偏差所致。该问题严重限制了模型在现实世界中的可扩展性与可用性。在给定有标签源训练集与无标签目标训练集的情况下，本文旨在提升 re-ID 模型对目标域的泛化能力。为此，我们提出一种名为保身份生成对抗网络(IPGAN)的图像生成网络。所提方法具有两个优良特性：1) 仅使用单一模型以无监督方式将源域有标签图像翻译至目标相机域；2) 源域图像在翻译前后的身份信息得以保留。此外，我们提出用于行人重识别任务的 IBN-reID 模型。其相比基线模型具有更好的泛化能力，尤其在任何域自适应都不存在的情形下。IBN-reID 模型在由监督方法翻译得到的图像上训练。在 Market-1501 与 DukeMTMC-reID 上的实验结果表明，由 IPGAN 生成的图像更适用于跨域行人重识别。我们的方法取得了极具竞争力的 re-ID 准确率。
引用
@article{arxiv.1811.11510,
title = {Identity Preserving Generative Adversarial Network for Cross-Domain Person Re-identification},
author = {Jialun Liu},
journal= {arXiv preprint arXiv:1811.11510},
year = {2018}
}