文件大小：1.5M
摘要：无监督行人重识别旨在无监督设置下从非重叠的相机中识别出同一行人。针对现有的无监督行人重识别网络不能充分提取行人特征以及相机之间的差异导致行人检索错误的问题，提出了一种细化特征引导对抗性解纠缠学习的无监督行人重识别方法。设计特征细化信息融合模块嵌入ResNet50网络的不同层，用以增强网络提取关键信息的能力。设计特征解耦学习方法最小化行人特征和相机特征之间的互信息，减少相机差异对网络的负面影响。同时设计对抗性解纠缠损失函数进行无监督联合学习。在两个公共数据集Market-1501和DukeMTMC-reID上对所提方法进行评估，平均精度均值分别提升了4.6%、3.1%，相较于基线算法具备较强的鲁棒性，满足在无监督背景下对行人的识别需求。
文章目录
0 引言
1 本文方法
1.1网络整体框架
1.2 FRIFM
1.3 损失函数
2 实验结果与分析
2.1 实验数据集与评价指标
2.2 实验设置
2.3 与其他方法的对比实验
2.4实验结果与分析
2.4.1平均精准度对比实验
2.4.2消融实验
2.4.3参数λ分析
2.5 可视化实验结果分析
3 结论
