迁移用于人员重识别与搜索的语义表示

学习用于人员重识别和基于描述的人员搜索的语义属性，因其在姿态和视角不变表示方面的巨大潜力而受到越来越多的关注。然而，现有的以属性为中心的方法迄今为止表现不如最先进的传统方法。这是由于它们需要大量特定于域（摄像头）的标注，缺乏可扩展性。在本文中，我们提出了一种用于人员重识别和搜索的新语义属性学习方法。我们的模型在现有的时尚摄影数据集上进行训练——无论是弱标注还是强标注。随后，它可以被迁移和适配，以提供对监控人员检测的强大语义描述，而无需任何监控域的监督。生成的表示既适用于无监督也适用于有监督的人员重识别，分别实现了最先进和接近最先进的性能。此外，作为一种语义表示，它允许将基于描述的人员搜索整合到同一框架中。