用于半监督行人重识别的渐进式跨摄像头软标签学习
计算机视觉与模式识别
2020-03-25 v2
摘要
本文关注半监督行人重识别（Re-ID）情形，其仅具有摄像头内（同摄像头）标签而不具备摄像头间（跨摄像头）标签。在实际应用中，与跨摄像头标签相比，这些摄像头内标签可通过跟踪算法或少量人工标注轻松获得。在此情形下，由于缺少跨摄像头标签信息，训练阶段很难挖掘跨摄像头行人之间的关系。为应对该问题，我们提出一种新颖的渐进式跨摄像头软标签学习（PCSL）框架用于半监督行人 Re-ID 任务，该框架可生成跨摄像头软标签并利用其优化网络。具体而言，我们基于行人级特征计算亲和度矩阵，并调整其以产生跨摄像头行人之间的相似度（即跨摄像头软标签）。为利用这些软标签训练网络，我们分别从分类与判别角度研究了加权交叉熵损失与加权三元组损失。特别地，所提框架在整个学习过程中交替生成渐进式跨摄像头软标签并逐步改善特征表示。在五个大规模基准数据集上的大量实验表明，PCSL 显著优于采用有标签源域或 GAN 生成图像的最先进无监督方法。此外，所提方法甚至与深度有监督 Re-ID 方法具有竞争性表现。
引用
@article{arxiv.1908.05669,
title = {Progressive Cross-camera Soft-label Learning for Semi-supervised Person Re-identification},
author = {Lei Qi and Lei Wang and Jing Huo and Yinghuan Shi and Yang Gao},
journal= {arXiv preprint arXiv:1908.05669},
year = {2020}
}
备注
Accepted by IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)