首页|联合特征细化和耐噪声对比学习的无监督行人重识别

联合特征细化和耐噪声对比学习的无监督行人重识别

扫码查看
原文链接
  • 万方数据
  • 维普
针对无监督行人重识别(person re-identification,ReID)中行人特征表达不充分以及聚类过程产生噪声标签的问题,提出一种联合特征细化和耐噪声对比学习的无监督ReID方法.首先,为丰富无标记的行人表征,设计了非局部通道细化模块(non-local channel refinement module,NCRM)对关键特征信息进行加权强化,其融合了非局部通道的重要特征来捕获无标记数据的类间区别表征,形成更具有鉴别度的特征描述符.其次,考虑到特征的充分表达,采用广义均值(generalized mean,GEM)池化自适应调整参数来增强不同细粒度区域信息的提取能力.再次,为了减轻噪声标签对网络的负面影响,设计了耐噪声的动态对比均衡(dynamic contrastive equilibri-um,DCE)损失函数进行无监督联合学习.最终,在两个公共数据集上的实验结果验证了所提方法的有效性和先进性,mAP分别达到了 83.1％和71.9％,优于其他先进方法.
Joint feature refinement and noise-tolerant comparative learning for unsupervised person re-identification

person re-identificationunsuperviseddeep feature networknon-local channel refinement module(NCRM)noise-tolerant comparative learning

钱亚萍、王凤随、熊磊、闫涛

展开 >

安徽工程大学电气工程学院,安徽芜湖 241000

检测技术与节能装置安徽省重点实验室,安徽芜湖 241000

高端装备先进感知与智能控制教育部重点实验室,安徽芜湖 241000

行人重识别(ReID) 无监督 深度特征网络 非局部通道细化模块(NCRM) 耐噪声对比学习

安徽省自然科学基金安徽省自然科学基金安徽高校省级自然科学研究重点项目检测技术与节能装置安徽省重点实验室开放基金安徽工程大学国家自然科学基金预研项目安徽高校研究生科学研究项目安徽高校研究生科学研究项目

2108085MF1971708085MF154KJ2019A0162DTESD20201302Xjky2022040YJS20210448YJS20210449

2023

10.16136/j.joel.2023.07.0422

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(7)
  • 1
  • 3