具有多相机约束的无监督域自适应行人重识别
计算机视觉与模式识别
2022-10-26 v1 人工智能
摘要
行人重识别是分析基于视频的人体行为的一项关键技术；然而，由于在与训练数据不同的域上性能下降，其在实际应用中仍具挑战性。在此，我们提出一种环境约束自适应网络以减小域间隙。该网络通过施加多相机约束来精炼经自训练方案估计的伪标签。所提方法将环境中获得的无人身份标签的行人成对信息纳入模型训练。此外，我们开发了一种适当地从该对中选择有助于性能提升的行人的方法。我们使用公开和私有数据集评估了该网络的性能，并确认在具有重叠相机视角的域中其性能超越了 SOTA 方法。据我们所知，这是首项关于可利用真实环境中获得的约束进行域自适应学习且具有多相机约束的研究。
引用
@article{arxiv.2210.13999,
title = {Unsupervised domain-adaptive person re-identification with multi-camera constraints},
author = {S. Takeuchi and F. Li and S. Iwasaki and J. Ning and G. Suzuki},
journal= {arXiv preprint arXiv:2210.13999},
year = {2022}
}
备注
ICIP 2022