具有抗遗忘与自适应协调的终身无监督域自适应行人重识别
计算机视觉与模式识别
2022-03-30 v2
摘要
无监督域自适应行人重识别（ReID）已被广泛研究以缓解域间隙的不利影响。这些工作假设目标域数据可一次性获取。然而，对于现实世界的流式数据，这阻碍了对变化数据统计量的及时适应以及对不断增加样本的充分利用。在本文中，为应对更实际的场景，我们提出了一项新任务：终身无监督域自适应（LUDA）行人 ReID。这具有挑战性，因为它要求模型持续适应目标环境中的无标签数据，同时缓解此类细粒度行人检索任务中的灾难性遗忘。我们为该任务设计了一个有效方案，称为 CLUDA-ReID，其中抗遗忘与自适应被和谐地协调。具体而言，提出了一种基于元学习的协调数据重放策略，以重放旧数据并以兼顾适应与记忆的协调优化方向更新网络。此外，我们提出了关系一致性学习，用于符合基于检索任务目标的老知识蒸馏/继承。我们建立了两种评估设置以模拟实际应用场景。大量实验证明了我们的 CLUDA-ReID 在具有静态目标流和具有动态目标流两种场景下的有效性。
引用
@article{arxiv.2112.06632,
title = {Lifelong Unsupervised Domain Adaptive Person Re-identification with Coordinated Anti-forgetting and Adaptation},
author = {Zhipeng Huang and Zhizheng Zhang and Cuiling Lan and Wenjun Zeng and Peng Chu and Quanzeng You and Jiang Wang and Zicheng Liu and Zheng-jun Zha},
journal= {arXiv preprint arXiv:2112.06632},
year = {2022}
}
备注
Accepted by CVPR2022