科研之友
微信
新浪微博
Facebook
分享链接
摘要
无监督域自适应行人重识别旨在将源域训练的识别能力泛化到目标域上,以减少对标签的依赖.目前基于聚类方法的网络,聚类过程中不可避免会受到环境噪声的影响,降低网络原有识别性能.为了解决这一问题,提出了一种基于相关性得分的伪标签优化行人重识别网络.首先,通过计算全局和局部特征之间前k个相似样本集合的相关性得分,找到两类特征直接可靠的关联性,从而提取已有伪标签优化方法所忽略的局部细粒度特征.然后,再利用得分对局部伪标签进行优化处理,降低网络对与行人无关局部特征的关注.此外,依赖于相关性得分,利用优化后局部伪标签的预测结果对全局伪标签进行细化,缓解聚类过程中噪声的同时也细化了行人的特征完整表示.与近年无监督域自适应行人重识别方法相比,本文提出的网络在DukeMTMC-ReID、Market1501和MSMT17三个公开数据集上的实验结果表现优异,证明了所提网络的有效性.
- 单位
