面向无监督车辆重识别的视角感知渐进聚类
计算机视觉与模式识别
2020-11-19 v1
摘要
车辆重识别 (Re-ID) 因其在智慧城市大规模智能监控中的重要性而成为一项活跃任务。尽管近年来进展迅速，现有多数方法以有监督方式处理车辆 Re-ID，既耗时又耗力，限制了其在真实场景中的应用。近期，无监督行人 Re-ID 方法通过探索域适应或基于聚类的技术取得了令人印象深刻的性能。然而，由于车辆图像在不同视角下呈现巨大外观差异，无法直接将这些方法推广至车辆 Re-ID。为处理该问题，我们提出一种新颖的视角感知聚类算法用于无监督车辆 Re-ID。具体而言，我们首先根据预测的视角将整个特征空间划分为不同子空间，然后执行渐进聚类以挖掘样本间的准确关系。在两个多视角基准数据集 VeRi 和 VeRi-Wild 上与最先进方法的综合实验验证了所提方法在有域适应与无域适应场景下处理无监督车辆 Re-ID 的良好性能。
引用
@article{arxiv.2011.09099,
title = {Viewpoint-aware Progressive Clustering for Unsupervised Vehicle Re-identification},
author = {Aihua Zheng and Xia Sun and Chenglong Li and Jin Tang},
journal= {arXiv preprint arXiv:2011.09099},
year = {2020}
}