基于图结构洞察的多标签预测与分类的无监督行人重识别
计算机视觉与模式识别
2021-06-17 v1 人工智能
摘要
本文利用基于图结构洞察的多标签预测与分类解决无监督行人重识别（Re-ID）问题。我们的方法从行人图像中提取特征，并生成一张图，该图以这些特征及其两两相似性分别作为节点和边。基于该图，所提出的图结构基多标签预测（GSMLP）方法通过考虑每个节点的两两相似性与邻接节点分布来预测多标签。GSMLP 生成的多标签被应用于所提出的选择性多标签分类（SMLC）损失。SMLC 集成了难样本挖掘方案与多标签分类。所提出的 GSMLP 与 SMLC 在无需任何预标注数据集的情况下提升了无监督行人 Re-ID 的性能。实验结果通过取得最先进性能证明了所提方法在无监督行人 Re-ID 中的优越性。本文源代码已公开于 'https://github.com/uknownpioneer/GSMLP-SMLC.git'。
引用
@article{arxiv.2106.08798,
title = {Unsupervised Person Re-identification via Multi-Label Prediction and Classification based on Graph-Structural Insight},
author = {Jongmin Yu and Hyeontaek Oh},
journal= {arXiv preprint arXiv:2106.08798},
year = {2021}
}
备注
submitted to ICCV