jh97321的博客

引言 通过深度学习和大量带标签的训练数据，行人再识别（Re-ID）取得了很大的进步。然而，将在标记数据的源域中训练的模型调整为仅可用未标记数据的目标域仍然是一项艰巨的任务。在这项工作中，我们开发了一种具有渐进增强框架（PAST）的自训练方法，以在目标数据集上逐步提升模型性能。特别地，我们的PAST框架包括两个阶段，即保留阶段和提升阶段。保留阶段使用基于三元组的损失函数捕获目标域数据点的局部结构，...

介绍 有效的行人再识别应该具有区分性，学习到的特征表示既能区分外貌相似的行人，又能在不额外训练的情况下进行跨数据集部署。本文提出了新的CNN架构来应对这两个挑战。首先，是提出了一种“全尺度网络（OSNet）”的CNN结构，不仅可以捕获不同的空间尺度，同时也能封装这些尺度的协同组合，即全尺度特征。基本构建块由多个卷积流组成，每个卷积流检测不同尺度范围的特征。对于全尺度特征学习，提出了一种统一的聚合...