用于无监督行人重识别的空间感知GAN
计算机视觉与模式识别
2022-10-04 v3
摘要
近期的行人重识别研究通过从大量带标签行人图像中学习取得了巨大成功。另一方面，当应用于不同环境采集的图像时，所学模型常出现显著的性能下降。无监督域适应（UDA）已被研究以缓解此限制，但现有多数系统仅在像素级适应图像，而忽略了空间级上的明显差异。本文提出一种创新的基于UDA的行人重识别网络，能够同时在空间级与像素级适应图像。设计了一种新颖的解耦循环一致性损失，以协作方式引导空间级与像素级适应的学习。此外，引入了一种新颖的多模态机制，能够生成不同几何视角的图像并有效扩充训练图像。在多个公开数据集上的大量实验表明，所提UDA网络相比当前最优方法实现了更优的行人重识别性能。
引用
@article{arxiv.1911.11312,
title = {Spatial-Aware GAN for Unsupervised Person Re-identification},
author = {Changgong Zhang and Fangneng Zhan},
journal= {arXiv preprint arXiv:1911.11312},
year = {2022}
}
备注
Accepted to ICPR2020