摘要
基于监督学习的行人重识别需要大量有标注数据的支持,模型可扩展性差.在实际应用中,更关注如何提高无标注数据的目标域行人重识别准确度的问题.因此,提出一种基于姿态引导注意力机制的跨域行人重识别方法.首先,使用源域的标注数据训练一个行人姿态引导的注意力模块,作为遮挡预测器区分图像中的行人有效区域和被遮挡区域.然后,在无标注的目标域数据集训练过程中融入该预测器,屏蔽因遮挡产生的干扰信息,并计算行人特征亲和度矩阵,为无标注数据生成软标记,更新和优化目标域的训练网络.在3个大规模公共数据集Market-1501、DukeMTMC-reID和MSMT17上分别进行了跨域试验,结果表明,在首位命中率(Rank-1)和平均精确度2个评价指标上,所提方法与现有方法相比均有明显提升.
维普
万方数据