基于对比学习的大规模无监督行人重识别
计算机视觉与模式识别
2021-05-18 v1
摘要
由于标注困难，现有的公开行人重识别~(ReID) 数据集以现代标准来看规模较小。尽管无标注监控视频丰富且相对易于获取，但如何利用这些视频学习有意义的 ReID 表征仍不明确。特别地，大多数现有的无监督与域自适应 ReID 方法在实验中仅使用公开数据集并去掉标签。此外，由于数据规模小，这些方法通常依赖测试域中无标注训练数据的微调以获得良好性能。受近期基于对比学习的大规模自监督图像分类进展启发，我们提出仅从大规模无标注监控视频中学习 ReID 表征。借助现成的行人检测工具，我们在图像与轨迹片段两个层面施加对比损失。结合利用免费获取的相机标签进行的主成分分析步骤，我们使用大规模无标注数据集的评估显示，在不使用测试域任何训练数据的无监督方法中性能远超其余方法。此外，准确率随数据规模提升，因此我们的方法在更大更多样的数据集上极具潜力。
引用
@article{arxiv.2105.07914,
title = {Large-Scale Unsupervised Person Re-Identification with Contrastive Learning},
author = {Weiquan Huang and Yan Bai and Qiuyu Ren and Xinbo Zhao and Ming Feng and Yin Wang},
journal= {arXiv preprint arXiv:2105.07914},
year = {2021}
}