无监督航迹片段行人重识别
计算机视觉与模式识别
2019-03-05 v1
摘要
大多数现有的行人重识别（re-id）方法依赖于在每个相机对上手动标注的成对训练数据上进行监督模型学习。由于缺乏对每对相机正负图像对的详尽身份标注，这导致在实际 re-id 部署中可扩展性差。在这项工作中，我们提出了一种无监督 re-id 深度学习方法。它能够端到端地从自动生成的行人航迹片段（tracklet）数据中增量地发现并利用潜在的 re-id 判别信息。我们构建了无监督航迹片段关联学习（UTAL）框架。该框架通过联合学习相机内航迹片段判别与跨相机航迹片段关联，以最大化在相机内和跨相机视角下航迹片段身份匹配的发掘。大量实验证明了所提模型在八个基准数据集上优于最先进的无监督学习和域适应行人 re-id 方法。
引用
@article{arxiv.1903.00535,
title = {Unsupervised Tracklet Person Re-Identification},
author = {Minxian Li and Xiatian Zhu and Shaogang Gong},
journal= {arXiv preprint arXiv:1903.00535},
year = {2019}
}
备注
Accepted to appear in IEEE Transactions on Pattern Analysis and Machine Intelligence. The new dataset is publicly available at https://github.com/liminxian/DukeMTMC-SI-Tracklet