Intra-Inter Camera Similarity for Unsupervised Person Re-Identification

发布时间：2024年01月16日

一、研究背景
1.由于人工标注样本昂贵，许多工作致力于通过以下手段进行无监督行人重识别：
域自适应：对齐源域、目标域特征分布
风格转换：使用生成对抗网络转换源域图片风格，并维持源域图片身份
伪标签生成：通过聚类为目标域数据打伪标签
2.前两种方法作用于源域，第三种方法作用于目标域。

二、研究动机
1.相机内身份匹配比跨相机身份匹配要简单
2.具有泛化性的分类器可以降低域差异
3.相对于原始特征，分类概率对域差异更为鲁棒

三、研究目标
１.提升分类器的泛化性
２.利用鲁棒的分类值生成跨相机伪标签，减轻特征受相机和姿态的影响

四、技术路线
在这里插入图片描述

  1. 相机内聚类打伪标签，做分类损失
    F \mathcal{F} F为分类器， m m m为分类标签， C C C为分类器数量
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  2. 通过衡量分类器得分增强跨相机相似性
    s n s_n sn?为图片的分类器得分， Δ ( s m , s n ) \Delta(s_m,s_n) Δ(sm?,sn?)为来自同一身份的可能性
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  3. 跨相机聚类打伪标签，做分类损失
    在这里插入图片描述
    在这里插入图片描述
  4. 自适应实例+批归一化
    在这里插入图片描述
文章来源:https://blog.csdn.net/qq_37246721/article/details/135604550
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章