基于种群进化博弈的无监督行人重识别
计算机视觉与模式识别
2023-06-09 v1
摘要
无监督行人重识别通过单个神经网络的自我提升已取得了巨大成功。然而，受限于判别信息多样性的缺乏，单一网络在无监督条件下难以独立学习到充分的判别能力。为突破该限制，我们提出了一种基于种群的进化博弈（PEG）框架，其中一组多样化的神经网络通过选择、繁殖、变异和种群互学习迭代地同时训练。具体而言，待保留网络的选择被建模为合作博弈并通过最优响应动态求解；随后通过克隆网络并扰动其超参数实现繁殖与变异以学习更多多样性；种群互学习则借助种群内相互间的知识蒸馏提升网络的判别力。此外，我们提出一种交叉参考散度（CRS）以在无标注样本情况下近似评估重识别模型，并将其作为PEG中网络选择的准则。CRS通过根据特征空间的聚合性与分离性间接估计模型预测伪标签的准确率来度量模型性能。大量实验表明：（1）CRS可在无标注样本时近似度量模型性能；（2）PEG在行人重识别上取得了新的最先进准确率，显示出基于种群的网络协作训练在无监督学习中的巨大潜力。
引用
@article{arxiv.2306.05236,
title = {Population-Based Evolutionary Gaming for Unsupervised Person Re-identification},
author = {Yunpeng Zhai and Peixi Peng and Mengxi Jia and Shiyong Li and Weiqiang Chen and Xuesong Gao and Yonghong Tian},
journal= {arXiv preprint arXiv:2306.05236},
year = {2023}
}
备注
Accepted in IJCV