利用虚拟与真实人物进行无监督行人重识别
计算机视觉与模式识别
2018-11-07 v1
摘要
行人重识别(re-ID)是一个具有挑战性的问题，尤其是在没有可用标签进行训练时。尽管最近的深度re-ID方法已取得很大改进，但在训练数据中无标注的情况下优化深度re-ID模型仍然困难。为解决此问题，本研究引入了一种利用虚拟和真实数据进行无监督行人重识别的新方法。我们的方法包括两个组成部分：虚拟人物生成和深度re-ID模型训练。对于虚拟人物生成，我们使用无标注真实数据学习人物生成模型和相机风格迁移模型，以生成具有不同姿态和相机风格的虚拟人物。虚拟数据被构成为有标注的训练数据，从而能够在监督下随后训练深度re-ID模型。对于深度re-ID模型训练，我们将其分为三步：1)使用虚拟数据预训练粗粒度re-ID模型；2)基于协同过滤从真实数据中挖掘正样本对；3)利用挖掘出的正样本对和虚拟数据微调粗粒度re-ID模型。最终re-ID模型通过在第2步和第3步之间迭代直至收敛而获得。在Market-1501和DukeMTMC-reID两个大规模数据集上的实验结果证明了我们方法的有效性，并表明在无监督行人重识别中达到了当前最优(state of the art)水平。
引用
@article{arxiv.1811.02074,
title = {Leveraging Virtual and Real Person for Unsupervised Person Re-identification},
author = {Fengxiang Yang and Zhun Zhong and Zhiming Luo and Sheng Lian and Shaozi Li},
journal= {arXiv preprint arXiv:1811.02074},
year = {2018}
}
备注
8 pages, 8 figures, 2 tables