联合视觉与时间一致性用于无监督域自适应行人重识别
计算机视觉与模式识别
2020-07-22 v1
摘要
无监督域自适应行人重识别（ReID）具有挑战性，因为源域与目标域之间存在较大的域差距，且目标域缺乏标注数据。本文通过在一个局部 one-hot 分类与一个全局多类分类相结合中联合施加视觉和时间一致性来解决这一挑战。局部 one-hot 分类为训练批次中的图像分配不同的行人 ID，然后采用自适应分类（Self-Adaptive Classification, SAC）模型对它们进行分类。全局多类分类通过基于记忆的时间引导聚类（Memory-based Temporal-guided Cluster, MTC）在整个无标签训练集上预测标签来实现。MTC 通过同时考虑视觉相似性和时间一致性来预测多类标签，以保证标签预测的质量。这两个分类模型组合在一个统一框架中，有效利用了无标签数据进行判别性特征学习。在三个大规模 ReID 数据集上的实验结果证明了所提方法在无监督和无监督域自适应 ReID 任务中的优越性。例如，在无监督设定下，我们的方法优于近期利用更多标签进行训练的无监督域自适应方法。
引用
@article{arxiv.2007.10854,
title = {Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification},
author = {Jianing Li and Shiliang Zhang},
journal= {arXiv preprint arXiv:2007.10854},
year = {2020}
}