推荐:【行人识别】Deep Transfer Learning for Person Re-identification
行人重识别数据集标注代价大,且数据集不够,但迁移学习在ReID中表现不佳。
贡献
1。GoogleNet 特征提取,分类与鉴别网络
分类网络(将每个身份视为一个类,每个特征分别输入分类网络输出对应身份)dropout对两个特征采用随机方法,鉴别网络(两个特征输入孪生网络判别是否为同一身份)对特征使用相同的dropout,对两个特征相同位置0,防止dropout影响鉴别。
2。分步微调
第一步 在目标集上训练
固定其他参数,只训练softmax层
训练所有层参数
3。无监督方法利用未标注数据
co-training。
设计两个具有互补性质的模型;
用模型1的结果,标定所有数据;
用当前数据训练模型2
用模型2的结果,标定所有数据;
训练模型1
重复上述过程2至所有未标注数据耗尽