(常州大学信息科学与工程学院 江苏常州 213164) (17000138@smail.cczu.edu.cn)
出版日期: 2019-08-01基金资助:国家自然科学基金项目(61572085,61502058,61806026)；江苏省自然科学基金项目(BK20180956)Person Re-Identification Based on Deep Convolutional Generative Adversarial Network and Expanded Neighbor Reranking
Dai Chenchao, Wang Hongyuan, Ni Tongguang, Chen Shoubing(School of Information Science and Engineering, Changzhou University, Changzhou, Jiangsu 213164)
Online: 2019-08-01摘要/Abstract
摘要： 行人重识别任务旨在识别不相交摄像头视图下的相同行人.这项任务极具挑战性,尤其是当数据集中每个行人仅仅有几张图片时.针对行人重识别数据集中行人图片数量不足的问题,提出一个从原始数据集中生成额外训练数据的方法.在这项工作之中存在2个挑战：1)如何从原始数据集之中获取更多的训练数据；2)如何处理这些新生成的训练数据.使用深度卷积生成对抗网络来生成额外的无标签行人图片,并采用标签平滑正则化来处理这些新生成的无标签行人图片.为了进一步提升行人重识别准确度,提出了一种新的无监督重排序框架.此框架既不需要为每组图像对重新计算新的排序列表,也不需要任何人工交互或标签信息.在Market-1501,CUHK03和DukeMTMC-reID数据集上的实验验证了所提方法的有效性.
参考文献
相关文章 11
| [1] | 刘艳芳, 李文斌, 高阳. 基于自适应邻域嵌入的无监督特征选择算法[J]. 计算机研究与发展, 2020, 57(8): 1639-1649. |
| [2] | 曾维新, 赵翔, 唐九阳, 谭真, 王炜. 基于重排序的迭代式实体对齐[J]. 计算机研究与发展, 2020, 57(7): 1460-1471. |
| [3] | 张皓,吴建鑫. 基于深度特征的无监督图像检索研究综述[J]. 计算机研究与发展, 2018, 55(9): 1829-1842. |
| [4] | 张连成，王禹，孔亚洲，邱菡. 网络流水印安全威胁及对策综述[J]. 计算机研究与发展, 2018, 55(8): 1785-1799. |
| [5] | 丁宗元,王洪元,陈付华,倪彤光. 基于距离中心化与投影向量学习的行人重识别[J]. 计算机研究与发展, 2017, 54(8): 1785-1794. |
| [6] | 宁欣,李卫军,李浩光,刘文杰. 基于仿生学的不相关局部保持鉴别分析[J]. 计算机研究与发展, 2016, 53(11): 2623-2629. |
| [7] | 陈尧, 赵永华,赵慰,赵莲. GPU加速不完全Cholesky分解预条件共轭梯度法[J]. 计算机研究与发展, 2015, 52(4): 843-850. |
| [8] | 楼宋江 张国印 潘海为 王庆军. 人脸识别中适合于小样本情况下的监督化拉普拉斯判别分析[J]. , 2012, 49(8): 1730-1737. |
| [9] | 梁 鹏, 黎绍发, 王 成,. 一种新的无监督前景目标检测方法[J]. , 2012, 49(8): 1721-1729. |
| [10] | 徐峻岭 , 周毓明 , 陈 林, 徐宝文,. 基于互信息的无监督特征选择[J]. , 2012, 49(2): 372-382. |
| [11] | 王方石 须 德 吴伟鑫. 基于自适应阈值的自动提取关键帧的聚类算法[J]. , 2005, 42(10): 1752-1757. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3981
