Abstract
本文针对无监督域自适应re-ID问题展开研究(源域数据有标注,目标域没有)。之前的工作通常采用两阶段的优化,首先在源域预训练,然后在目标域利用聚类生成的伪标签进行在线微调。这样的方式存在一些局限:标签噪声会限制对于目标类别特征学习的判别性,目标域与源域间的域间差异会影响性能。
提出的方法:
- CCL算法交替迭代优化特征学习与聚类过程,以学习耐噪声的特征表达
- PDA策略消除域间差异,在训练过程中逐步降低源域loss权重,增大目标域权重
- 训练过程中增加额外约束(引入傅里叶增强的方式,对提取的特征使用傅里叶增强然后计算CE分类损失)