基于伪标签的无监督领域自适应行人重识别研究综述

摘要：

行人重识别是计算机视觉领域的热点研究课题之一.近年来,为了解决行人重识别实际应用中标签数据稀缺的问题,同时也为了有效地利用现有的标签数据,研究者们提出了基于生成对抗网络以及基于伪标签的领域自适应方法,用于进行跨领域的行人重识别研究.基于伪标签的无监督领域自适应行人重识别方法由于效果显著而备受研究者的青睐.文中梳理了近7年来基于伪标签的无监督领域自适应行人重识别的研究成果,将基于伪标签的方法从模型训练角度划分为两个阶段.1)伪标签生成阶段.现有工作的伪标签生成方法大多使用聚类方法,部分工作采用基于图结构学习的图匹配、图卷积网络方法来生成目标域的伪标签.2)伪标签精炼阶段.文中将现有的伪标签精炼方法归纳为基于表征学习的精炼方法以及基于相似度学习的精炼方法,并分别进行模型方法的总结与整理.最后,讨论现阶段基于伪标签的无监督领域自适应行人重识别面临的挑战并对未来可能的发展方向进行展望.

关键词：行人重识别、深度学习、伪标签、无监督、领域自适应

所属期刊栏目：51

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2024-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：72-83