基于人类学习模仿的无监督域自适应行人重识别
计算机视觉与模式识别
2021-12-07 v2
摘要
无监督域自适应行人重识别因其很高的实用价值而受到广泛关注。过去几年中，遵循聚类与微调范式，研究者提出在其方法中利用教师-学生框架来减小不同行人重识别数据集之间的域间隙。受近期基于教师-学生框架的方法启发——这些方法试图通过让学生直接从教师复制行为或筛选可靠学习材料来模拟人类学习过程——我们提出从不同方面进一步探索模仿人类学习过程，即自适应更新学习材料、选择性模仿教师行为，以及分析学习材料结构。所探索的三个组件协同构成一种用于无监督域自适应行人重识别的新方法，称为人类学习模仿框架。在三个基准数据集上的实验结果证明了我们所提方法的有效性。
引用
@article{arxiv.2111.14014,
title = {Unsupervised Domain Adaptive Person Re-Identification via Human Learning Imitation},
author = {Yang Peng and Ping Liu and Yawei Luo and Pan Zhou and Zichuan Xu and Jingen Liu},
journal= {arXiv preprint arXiv:2111.14014},
year = {2021}
}