【CVPR2021】用于行人重识别的无监督多源域自适应

2021 年 5 月 1 日 专知


本文将多源概念引入UDA行人Re-ID任务中,并提出RDSBN归一化新模块,并提出基于GCN的多源信息融合模块,表现SOTA!性能优于MMT、DG-Net++网络。

用于行为重识别(re-ID)的无监督域自适应(UDA)方法旨在将re-ID知识从已标记的源数据传输到未标记的目标数据。尽管取得了巨大的成功,但大多数人仅使用来自单一来源域的有限数据进行模型预训练,从而使得无法充分利用丰富的标记数据。为了充分利用有价值的标记数据,我们将多源概念引入到UDA行人re-ID中,其中在训练过程中使用了多个源数据集。但是,由于域的空白,仅组合不同的数据集只会带来有限的改进。在本文中,我们尝试从两个角度(即特定于域的视图和域融合视图)解决此问题。提出了两个建设性的模块,它们彼此兼容。首先,探索一种整流领域特定的批处理归一化(RDSBN)模块,以同时减少领域特定的特征并增加人员特征的独特性。其次,开发了基于图卷积网络(GCN)的多域信息融合(MDIF)模块,该模块通过融合不同域的特征来最小化域距离。所提出的方法在很大程度上优于最新的UDA人员re-ID方法,甚至在没有任何后处理技术的情况下,甚至可以达到与监督方法相当的性能。

https://www.zhuanzhi.ai/paper/d36ea50a4c9b40a4919e7d52b9550dbe


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“RDSBN” 就可以获取【CVPR2021】用于行人重识别的无监督多源域自适应》专知下载链接

专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!


欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
8

相关内容

【CVPR2021】背景鲁棒的自监督视频表征学习
专知会员服务
15+阅读 · 2021年3月13日
专知会员服务
61+阅读 · 2021年3月12日
专知会员服务
25+阅读 · 2020年12月17日
【WSDM2021】保存节点相似性的图卷积网络
专知会员服务
39+阅读 · 2020年11月22日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
【伯克利-滴滴出行】深度学习多源领域自适应综述论文
专知会员服务
53+阅读 · 2020年2月28日
【NeurIPS2020 】数据扩充的图对比学习
专知
9+阅读 · 2020年11月9日
【MIT】硬负样本的对比学习
专知
13+阅读 · 2020年10月15日
【KDD2020】复杂异构网络中的高阶聚类
专知
8+阅读 · 2020年8月27日
图神经网络架构,稳定性,可迁移性
专知
5+阅读 · 2020年8月8日
深度多模态表示学习综述论文,22页pdf
专知
27+阅读 · 2020年6月21日
Arxiv
0+阅读 · 2021年6月23日
Heterogeneous Deep Graph Infomax
Arxiv
11+阅读 · 2019年11月19日
VIP会员
相关VIP内容
【CVPR2021】背景鲁棒的自监督视频表征学习
专知会员服务
15+阅读 · 2021年3月13日
专知会员服务
61+阅读 · 2021年3月12日
专知会员服务
25+阅读 · 2020年12月17日
【WSDM2021】保存节点相似性的图卷积网络
专知会员服务
39+阅读 · 2020年11月22日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
25+阅读 · 2020年11月5日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
【伯克利-滴滴出行】深度学习多源领域自适应综述论文
专知会员服务
53+阅读 · 2020年2月28日
Top
微信扫码咨询专知VIP会员