Unsupervised Person Re-identification by Soft Multilabel Learning

论文地址：https://arxiv.org/pdf/1903.06325.pdf

项目地址：https://github.com/KovenYu/MAR

摘要

        虽然无监督行人重识别（RE-ID）已经增加研究注意，由于它潜在去解决可扩展性问题在监督重识别模型，它是一个非常具有挑战去学习差别信息在缺乏成对标签通过不相交相机视角。为克服这个问题，我们提出一个深度模型来软多标签学习对无监督行人重识别（RE-ID）。这个观点是去学习一个软多标签（真值标签似然向量）对每个无标签行人，通过比较（和展示）这个无标签人使用一系列已知参考人从一个辅助域。我们提出的软多标签指向困难消极的去挖掘学习一个区分嵌入对无标签目标域通过探索相似一致视觉特征，软多标签的无标签目标对。因为大部分目标对是交叉视角对，我们发展这个交叉视角一致的软多标签学习来实现学习目标，这个软多标签是一致的好通过不同相机视角。为能够有效的软多标签学习，我们介绍这个参考管理学习去展示每个参考人通过一个参考管理在一个加入的嵌入。我们评估我们统一深度模型在Market-1501和DukeMTMC-reID。我们的模型性能优越是先进的无监督RE-ID模型，通过净利润法。

                                          

系统整体模型

                                      

                                          

本文与其它方法对比

                                                      

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：

下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料