基于深度渐进学习与语义引导聚类的半监督行人重识别
计算机视觉与模式识别
2020-10-06 v1
摘要
行人重识别（re-ID）要求跨摄像头视角匹配同一人的图像。作为一项更具挑战性的任务，半监督 re-ID 处理训练数据中仅部分身份被完全标注、其余未标注的问题。假设此类已标注与未标注训练数据具有互不相交的身份标签，我们提出一种语义引导聚类与深度渐进学习（SGC-DPL）的新框架，以联合利用上述数据。通过改进所提出的语义引导亲和传播（SG-AP），我们能够在来自已标注数据的语义引导下，以渐进方式为选定的未标注数据分配伪标签。因此，我们的方法能够在半监督设定下扩充已标注训练数据。我们在两个大规模行人 re-ID 基准上的实验证明了我们的 SGC-DPL 在不同监督程度下均优于 SOTA 方法。进一步，我们的 SGC-DPL 的泛化能力也在车辆 re-ID 或图像检索等半监督设定下的其他任务中得到验证。
引用
@article{arxiv.2010.01148,
title = {Semantics-Guided Clustering with Deep Progressive Learning for Semi-Supervised Person Re-identification},
author = {Chih-Ting Liu and Yu-Jhe Li and Shao-Yi Chien and Yu-Chiang Frank Wang},
journal= {arXiv preprint arXiv:2010.01148},
year = {2020}
}