面向域自适应行人重识别的多质心表示网络
计算机视觉与模式识别
2021-12-23 v1
摘要
近年来，许多方法通过基于伪标签的对比学习来解决无监督域自适应行人重识别（UDA re-ID）问题。在训练过程中，通过对具有相同伪标签的簇中所有实例特征简单取平均获得单质心表示。然而，由于聚类结果不完美，一个簇可能包含具有不同身份的图像（标签噪声），这使得单质心表示并不合适。本文中，我们提出一种新颖的多质心记忆（MCM）来自适应地捕获簇内不同的身份信息。MCM 可通过为查询图像选取恰当的正/负质心有效缓解标签噪声问题。此外，我们进一步提出两种策略来改进对比学习过程。首先，我们提出域特定对比学习（DSCL）机制，通过仅比较来自同一域的样本来充分挖掘域内信息。其次，我们提出二阶最近插值（SONI）以获取丰富且具信息量的负样本。我们将 MCM、DSCL 和 SONI 集成到一个统一框架中，称为多质心表示网络（MCRN）。大量实验证明了 MCRN 在多个 UDA re-ID 任务和全无监督 re-ID 任务上优于当前最优方法。
引用
@article{arxiv.2112.11689,
title = {Multi-Centroid Representation Network for Domain Adaptive Person Re-ID},
author = {Yuhang Wu and Tengteng Huang and Haotian Yao and Chi Zhang and Yuanjie Shao and Chuchu Han and Changxin Gao and Nong Sang},
journal= {arXiv preprint arXiv:2112.11689},
year = {2021}
}
备注
Accepted by AAAI2022