摘要
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.
基金项目
安徽省自然科学基金(2108085MF197)
安徽省自然科学基金(1708085MF154)
安徽高校省级自然科学研究重点项目(KJ2019A0162)
检测技术与节能装置安徽省重点实验室开放基金(DTESD20201302)
安徽工程大学国家自然科学基金预研项目(Xjky2022040)
安徽高校研究生科学研究项目(YJS20210448)
安徽高校研究生科学研究项目(YJS20210449)
维普
万方数据