Unsupervised Domain Adaptation with Noise Resistible Mutual-Training for Person Re-identification

题目：Unsupervised Domain Adaptation with Noise Resistible Mutual-Training for Person Re-identification
作者：Fang Zhao

一、研究背景
无监督聚类产生的伪标签有噪声，会影响进一步自训练的效果。

二、研究目标
提出了Noise Resistible Mutual-Training (NRMT) method（可以抵抗噪音的相互训练方法），在自训练的基础上，进行聚类并分配伪标签，并优化两个问题，即如何聚类以及如何选择高质量（可靠、信息量大）的实例。

三、技术路线

1、用聚类的自训练

为了最小化损失（1），首先用源域数据初始化参数W；固定W，通过聚类最小化关于Y的损失；固定Y，并通过梯度下降优化关于W的损失。

2、用合作式聚类的互训练
在训练过程中同时维护两个网络，并允许这两个网络在每次迭代中，通过合作聚类共享聚类信息，以此减少他们各自的标签错误。网络拥有自己的伪标签和对应网络的伪标签。

如果样本被分配两个不同标签，那网络会优先按照简单样本进行训练，因此在下一次迭代时，错误就会被消除。

3、实例互选择
虽然合作式聚类可以在每次迭代时减少噪音样本的影响，但是在每个小的训练批次里，噪音样本仍会产生影响。