Intra-Inter Camera Similarity for Unsupervised Person Re-Identification

一、研究背景
1.由于人工标注样本昂贵，许多工作致力于通过以下手段进行无监督行人重识别：
域自适应：对齐源域、目标域特征分布
风格转换：使用生成对抗网络转换源域图片风格，并维持源域图片身份
伪标签生成：通过聚类为目标域数据打伪标签
2.前两种方法作用于源域，第三种方法作用于目标域。

二、研究动机
1.相机内身份匹配比跨相机身份匹配要简单
2.具有泛化性的分类器可以降低域差异
3.相对于原始特征，分类概率对域差异更为鲁棒

三、研究目标
１.提升分类器的泛化性
２.利用鲁棒的分类值生成跨相机伪标签，减轻特征受相机和姿态的影响

四、技术路线

1. 相机内聚类打伪标签，做分类损失
   $\mathcal{F}$为分类器，$m$为分类标签，$C$为分类器数量
   
   
   
2. 通过衡量分类器得分增强跨相机相似性
   $s_n$为图片的分类器得分，$\Delta (s_m,s_n)$为来自同一身份的可能性
   
   
   
3. 跨相机聚类打伪标签，做分类损失
   
   
4. 自适应实例+批归一化