在无监督的行人重识别领域中，始终很难对数据集中的难样本对进行很好的挖掘。针对这个问题，提出了融合多种聚类信息生成软多重标签并进行难样本对挖掘的方法。该方法基于不同聚类方法使用的聚类机制不同这一原理，发掘类内样本的共通性与类间样本的差异性，进而使模型能够学习到更有区分性的特征。在Market-1501数据集与DukeMTMC-reID数据集上进行的对比实验结果表明，提出的方法在原来初步学习的网络的基础上，mAP分别提高了14.4%与8.9%，精度均提高显著。
科研之友
微信
新浪微博
Facebook
分享链接
