科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对域适应方法存在对图像细节信息利用不充分和域间数据分布差异导致跨域行人重识别准确率较低的问题，设计一种基于联合网络的域适应行人重识别算法。首先，为了提高模型对细节信息的获取能力，网络嵌入注意力机制模块，并设计非对称多尺度分支，补充全局特征中缺失的细节信息；其次，为了缓解域间差异造成的影响，在CycleGAN网络的基础上引入在线相关一致性损失，训练样本生成器，生成带有目标域风格的源域样本，降低域间数据分布差异。然后，在域适应阶段，设计基于聚类联合网络的方式，将联合网络中教师网络输出的样本特征和分类概率作为监督信息，监督学生网络的训练，避免聚类硬伪标签在训练中造成的误差被放大。最后，为了缓解噪声伪标签的影响，引入动量对比损失（Momentum Contrast Loss,MoCo Loss），提高模型自适应能力。在Market-1501和DukeMTMC-ReID上进行实验，实验结果相比主流的算法有所提升，验证了该算法具有一定的竞争力。
-
单位北京市新技术应用研究所; 河北工业大学
