用于无监督跨数据集迁移学习的度量嵌入自编码器
计算机视觉与模式识别
2018-07-30 v1 机器学习
摘要
跨数据集迁移学习是行人重识别（Re-ID）中的一个重要问题。遗憾的是，针对实际Re-ID系统现实设置的深度迁移Re-ID模型并不多。我们提出一种纯深度迁移Re-ID模型，由深度卷积神经网络和自编码器组成。潜变量被划分为度量嵌入和干扰变量。随后我们采用一种不依赖与非深度模型协同训练的无监督训练方法。我们的实验显示相较于基线及竞争者的迁移学习模型均有提升。
引用
@article{arxiv.1807.10591,
title = {Metric Embedding Autoencoders for Unsupervised Cross-Dataset Transfer Learning},
author = {Alexey Potapov and Sergey Rodionov and Hugo Latapie and Enzo Fenoglio},
journal= {arXiv preprint arXiv:1807.10591},
year = {2018}
}
备注
ICANN 2018 (The 27th International Conference on Artificial Neural Networks) proceeding