面向领域自适应行人重识别的多专家头脑风暴
计算机视觉与模式识别
2020-07-14 v3
摘要
通常性能最佳的深度神经模型是多个基级网络的集成，然而，关于领域自适应行人重识别的集成学习尚未被探索。在本文中，我们为领域自适应行人重识别提出了一个多专家头脑风暴网络，开辟了一个关于无监督条件下模型集成问题的有前景的方向。MEB-Net 采用相互学习策略，其中多个具有不同架构的网络在源域内被预训练为具备特定特征和知识的专家模型，然后通过专家模型之间的头脑风暴（相互学习）来完成自适应。MEB-Net 通过引入关于专家权威性的正则化方案，容纳了不同架构学习到的专家的异质性，并增强了自适应重识别模型的判别能力。在大规模数据集（Market-1501 和 DukeMTMC-reID）上的大量实验证明了 MEB-Net 优于现有最先进方法的优越性能。
引用
@article{arxiv.2007.01546,
title = {Multiple Expert Brainstorming for Domain Adaptive Person Re-identification},
author = {Yunpeng Zhai and Qixiang Ye and Shijian Lu and Mengxi Jia and Rongrong Ji and Yonghong Tian},
journal= {arXiv preprint arXiv:2007.01546},
year = {2020}
}
备注
Accepted by ECCV'20