摘要
行人重识别目标是利用计算机视觉技术判断在多个摄像头下采集的图像序列或视频中是否存在特定的行人,其本质是跨境头行人检索问题。基于监督学习的行人重识别方法取得了显著的检索效果,然而难以解决行人重识别存在的跨域问题,即在一个数据集上训练的模型直接应用到其他数据集时,会出现准确率显著下降的情况。为解决这一问题,提出一种基于域自适应的无监督行人重识别算法。首先,为挖掘不同行人重识别数据集间潜在的特征关联,提出跨域特征提取器以融合行人样本在特征图与通道方向特征。其次,为探索无标注目标数据集样本内特征关联,提出特征库在没有任何标注信息的情况下从一个未知数据集学习判别性特征。所提算法在行人重识别三大公开数据集Market-1501、DukeMTMC-reID和MSMT17上进行实验,性能超过现有先进无监督行人重识别方法。实验结果表明,所提出的基于域自适应的无监督行人重识别算法可以同时利用已标注与未标注的行人重识别数据集,能够提高模型在未知数据集上的泛化能力,显著提升模型在无监督跨域行人重识别的准确度。
- 单位