基于风格转换的无监督聚类行人重识别
无监督行人重识别中源域与目标域间的巨大差异性是影响模型性能的最关键因素.基于聚类的无监督行人重识别方法挖掘目标域数据间的相似性,以此缓解该问题,但仍未消除域间差异性.本文提出一种基于风格转换的无监督聚类行人重识别方法.首先,针对基于聚类方法的模型存在受域间差异性影响的问题,将一种基于生成对抗网络的风格转换方法引入到聚类方法模型中,将源域数据转换为目标域风格数据,直接减小域间差异性,提升模型的识别性能.其次,针对风格转换模型的生成器存在转换尺度单一以及特征信息传递效率低的问题,使用一种新型残差块替换原始残差块并将其引入到生成器上采样和下采样中,形成多特征尺度转换以及信息传递效率高的生成器,提升风格转换效果,降低域间差异性,进一步提升整体模型的识别效果.在Market1501以及Duke-MTMC-reID数据集上对所提的算法进行实验,结果表明改进方法取得了更好的识别效果.
机器视觉、行人重识别、无监督、聚类、风格转换、生成对抗网络、残差块、跨域
16
TP391(计算技术、计算机技术)
2021-06-15（万方平台首次上网日期，不代表论文的发表时间）
共9页
48-56
