从未知中自适应学习的小样本视频行人重识别
计算机视觉与模式识别
2019-08-27 v1
摘要
本文主要研究单样本与少样本视频行人重识别。提出一种联合学习局部与全局特征的多分支网络 PAM。PAM 精度高、参数量少且收敛快，适用于少样本行人重识别。我们迭代地为无标签样本估计标签，将其纳入训练集，并训练更鲁棒的网络。我们提出基于类间相对距离的静态相对距离采样（SRD）策略。针对 SRD 无法利用所有无标签样本的问题，我们提出自适应相对距离采样（ARD）策略。在单样本设定下，我们在 PRID2011 与 iLIDS-VID 上分别取得 89.78%、56.13% 的 rank-1 精度，在 DukeMTMC 与 MARS 上分别取得 85.16%、45.36% 的 mAP，大幅超越先前方法。
引用
@article{arxiv.1908.09340,
title = {Learning adaptively from the unknown for few-example video person re-ID},
author = {Jian Han},
journal= {arXiv preprint arXiv:1908.09340},
year = {2019}
}
备注
This is a draft and there are many places to be revised