科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对跨域行人重识别任务中域间差距和噪声标签导致的模型识别准确率低、稳定性差的问题，本文提出一种结合域间一致性与抗噪学习的跨域行人重识别方法（SZTR）。该方法将生成对抗网络应用到预训练中，并且设计一个预训练中的一致性正则化损失，用来保持行人图片风格迁移前后预测概率的一致性，以减小域间差距。在目标域的训练中引入更稳定的动量对比模型来提取样本特征，加入鲁棒性更强的自适应权重损失微调模型，以减小聚类过程中噪声标签带来的负面影响。实验结果及分析表明，所提方法有助于提升模型在跨域行人重识别任务上的准确度，取得了更稳定的识别效果。
- 单位
