留意聪明的邻居：基于自适应聚类关系建模的无监督行人重识别
计算机视觉与模式识别
2021-12-09 v2 人工智能
信息检索
机器学习
多媒体
摘要
无监督行人重识别（Re-ID）因有望解决有监督 Re-ID 模型的可扩展性问题而受到越来越多的关注。大多数现有无监督方法采用迭代聚类机制，基于无监督聚类生成的伪标签训练网络。然而，聚类错误不可避免。为生成高质量伪标签并减轻聚类错误的影响，我们提出一种用于无监督行人 Re-ID 的新型聚类关系建模框架。具体而言，在聚类前，基于图关联学习（GCL）模块探索无标签图像间的关系，随后将精炼特征用于聚类以生成高质量伪标签。因此，GCL 自适应地挖掘小批量内样本间的关系，从而在训练时降低异常聚类的影响。为更有效地训练网络，我们进一步提出一种带有选择性记忆库更新策略的选择性对比学习（SCL）方法。大量实验表明，我们的方法在 Market1501、DukeMTMC-reID 与 MSMT17 数据集上显著优于大多数当前最优无监督方法。我们将发布代码以供模型复现。
引用
@article{arxiv.2112.01839,
title = {Mind Your Clever Neighbours: Unsupervised Person Re-identification via Adaptive Clustering Relationship Modeling},
author = {Lianjie Jia and Chenyang Yu and Xiehao Ye and Tianyu Yan and Yinjie Lei and Pingping Zhang},
journal= {arXiv preprint arXiv:2112.01839},
year = {2021}
}
备注
The experimental results are not sufficient