面向无监督行人重识别的相机内-相机间相似性
计算机视觉与模式识别
2021-03-23 v1 人工智能
摘要
大多数无监督行人重识别（Re-ID）工作通过度量特征相似性来生成伪标签，而未考虑相机间的分布差异，导致跨相机标签计算精度下降。本文旨在通过研究一种新颖的相机内-相机间相似性用于伪标签生成来解决该挑战。我们将样本相似性计算分解为两个阶段，即分别为相机内与相机间计算。相机内计算直接利用 CNN 特征在每个相机内进行相似性计算。不同相机上生成的伪标签在一个多分支网络中训练重识别模型。第二阶段将每个样本在不同相机上的分类得分视为一新特征向量。该新特征有效缓解了相机间的分布差异并生成更可靠的伪标签。因此我们分两阶段分别以相机内与相机间伪标签训练我们的重识别模型。这一简单的相机内-相机间相似性在多个数据集上取得了令人惊讶的良好性能，例如在 Market1501 数据集上取得 89.5% 的 rank-1 准确率，超越近期无监督工作 9+%，并与利用额外标注的最新迁移学习工作相当。
引用
@article{arxiv.2103.11658,
title = {Intra-Inter Camera Similarity for Unsupervised Person Re-Identification},
author = {Shiyu Xuan and Shiliang Zhang},
journal= {arXiv preprint arXiv:2103.11658},
year = {2021}
}
备注
CVPR2021