用于域自适应行人重识别的无监督解耦 GAN
计算机视觉与模式识别
2020-07-31 v1
摘要
尽管近期行人重识别（ReID）方法在有监督设定下取得了高准确率，但其向无标签域的泛化仍是一个开放问题。本文提出一种新颖的无监督解耦生成对抗网络（UD-GAN）以解决有监督行人 ReID 的域自适应问题。我们的框架利用身份标注联合训练一个用于源标注域中判别性特征提取的 ReID 网络，并通过在域上学习解耦的潜在表示将 ReID 模型适配至无标签目标域。目标域中与身份无关的特征从潜在特征中蒸馏出来。因此，ReID 特征在无监督域中更好地包含了人的身份。我们在 Market1501、DukeMTMC 与 MSMT17 数据集上进行了实验。结果表明 ReID 中的无监督域自适应问题极具挑战性。尽管如此，我们的方法在一半的域迁移上有所提升，并在其中一项上取得了最先进的性能。
引用
@article{arxiv.2007.15560,
title = {Unsupervised Disentanglement GAN for Domain Adaptive Person Re-Identification},
author = {Yacine Khraimeche and Guillaume-Alexandre Bilodeau and David Steele and Harshad Mahadik},
journal= {arXiv preprint arXiv:2007.15560},
year = {2020}
}
备注
8 pages, 5 figures, submitted to ICPR 2020