论文连接https://arxiv.org/abs/1904.01990
代码:https://github.com/zhunzhong07/ECN
目录
1.文章卖点:
1.引入了存储器的概念,比较新颖
2.将监督学习和无监督学习相结合
2.研究背景
行人再识别面临的三个特殊问题:
1)源域数据和目标域数据集类别不同
2)相机风格变化导致的图片差异不同
3)仅考虑源域和目标域之间的整体域间的差异,忽略了目标域的域内变化。
传统的方法主要是减少源域和目标域之间的特征分布差距。然而,这些研究在很大程度上忽略了目标域中的域内变化,其中包括影响目标域上的测试性能的关键因素。
前两个问题作者在以前的论文中HHL中介绍了。https://link.springer.com/chapter/10.1007%2F978-3-030-01261-8_11
3.研究方法
3.1总体叙述
本文主要解决了第三个问题,全面研究了目标域的域内变化,并基于域内不变性提出了可行的模型泛化方法,引入了记忆模块用以存储目标数据在训练过程中的中间特征。
作者将将re-id模型概括为三种类型的基础不变性,即:样本不变性、相机不变性、邻域不变性。
Memory 的两个作用:其一是,用于存储在训练过程中所有目标图像的特征,可以快速的计算目标域中局部样本和源域全局样本的相似性;其二是,可以有效的在模型训练中加入提出的三个不变性限制。