基于属性的无监督域自适应行人重识别
计算机视觉与模式识别
2019-08-28 v1
摘要
行人属性（例如发长、衣服类型和颜色）局部描述了人物的语义外观。在此类属性监督下训练行人重识别（ReID）算法已被证明能有效提取对 ReID 重要的局部特征。与行人身份不同，属性在不同域（或数据集）间是一致的。然而，大多数 ReID 数据集缺乏属性标注。另一方面，对于行人属性识别任务，已有若干标注了充分属性的数据集。利用此类数据用于 ReID 可缓解 ReID 中属性标注的短缺。本工作提出了一种无监督域自适应 ReID 特征学习框架，以充分利用属性标注。我们提出将属性相关特征从其原始域迁移到 ReID 域：为此，我们引入了一种对抗判别域自适应方法，以学习编码语义属性的域不变特征。在三个大规模数据集上的实验验证了所提 ReID 框架的有效性。
引用
@article{arxiv.1908.10359,
title = {Unsupervised Domain-Adaptive Person Re-identification Based on Attributes},
author = {Xiangping Zhu and Pietro Morerio and Vittorio Murino},
journal= {arXiv preprint arXiv:1908.10359},
year = {2019}
}
备注
5 pages, accepted by ICIP2019