论文分为数据集和图像风格迁移算法（两个数据集之间）两部分：
这是属于无监督的迁移，GAN
Motivation:
1.数据集和现实的区别：1.规模小2.场景单一 3.光照单一
解决：因此提出了更为复杂的数据集MSMT17。
2.想解决训练集测试集不均衡的问题：（目前训练测试集基本上时1：1的比例）
方法：重用之前的别的数据集训练。但是数据集之前的gap导致识别率低。
该论文提出了Person Transfer Generative Adversarial Network (PTGAN)，解决训练集和测试集间的数据差距问题，尤其针对行人重识别任务。PTGAN基于Cycle-GAN，但在保持身份不变的同时进行风格迁移，适用于不同的数据集。实验表明，使用PTGAN进行训练可以显著提高在小数据集上的性能，强调了学习不同视角和环境差异的重要性。
最低0.47元/天 解锁文章
扫一扫
3754
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
