利用状态信息的人身份别弱监督判别特征学习
计算机视觉与模式识别
2020-02-28 v1
摘要
在人工标注成本高昂的真实任务中，身份判别性视觉特征的无监督学习颇具吸引力。然而，当图像在不同状态下（例如不同相机视角与姿态）拍摄时，同一身份的图像可能在视觉上差异显著。这种视觉差异给无监督判别学习带来了巨大困难。幸运的是，在真实任务中我们往往无需人工标注即可获知状态信息，例如在行人重识别中可轻易获得相机视角标签，在人脸识别中可获得面部姿态标签。本工作中，我们提出利用状态信息作为弱监督来解决由不同状态引起的视觉差异。我们构建了一个简单的伪标签模型，并尝试通过弱监督决策边界校正与弱监督特征漂移正则化，利用状态信息来精炼所分配的伪标签。我们在无监督行人重识别与姿态不变人脸识别上评估了我们的模型。尽管方法简单，在标准 ResNet-50 骨干网络下，它能在 Duke-reID、MultiPIE 与 CFP 数据集上超越最先进（SOTA）结果。我们还发现我们的模型在这三个数据集上的表现可与标准监督微调结果相媲美。代码见 https://github.com/KovenYu/state-information
引用
@article{arxiv.2002.11939,
title = {Weakly supervised discriminative feature learning with state information for person identification},
author = {Hong-Xing Yu and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2002.11939},
year = {2020}
}
备注
To appear at CVPR20