基于姿态变换与径向距离聚类的无监督人体重识别
计算机视觉与模式识别
2024-11-08 v1
摘要
人体重识别（re-ID）旨在解决跨非重叠摄像头之间身份匹配的问题。监督方法需要身份信息，且固有地偏向于所训练的数据集，难以在不同域之间实现可扩展性。为克服这些挑战，我们提出一种无监督的人体重ID方法。由于缺乏真实标签的知识，我们提出的方法通过一种新颖的两阶段训练策略来增强所学特征的判别能力。第一阶段是在通过为每个原始图像在姿态空间生成多个扰动后获得的专家设计的姿态变换数据集上训练深度网络。接下来，网络利用所提出的判别聚类算法将相似特征映射到特征空间中更靠近的位置。我们引入一种新颖的径向距离损失，关注特征学习的基本方面——紧凑簇且簇内紧凑性与簇间差异性。在多个大规模re-ID数据集上的广泛实验表明，我们方法在准确性上优于当前最先进的方法。
引用
@article{arxiv.2411.04255,
title = {Pose-Transformation and Radial Distance Clustering for Unsupervised Person Re-identification},
author = {Siddharth Seth and Akash Sonth and Anirban Chakraborty},
journal= {arXiv preprint arXiv:2411.04255},
year = {2024}
}