基于多源域适应的无监督行人重识别研究.pdf

基于多源域适应的无监督行人重识别方法研究

摘要

行人重识别是一种跨摄像头的检索技术，由于该技术能够对不同位置和时间出现

的行人进行识别和追踪，因此在智慧城市，智慧监控以及自动驾驶等领域有巨大的应

用潜力。然而在现实场景中，高昂的标注成本往往会对行人重识别的应用造成阻碍。

因此，无监督行人重识别，由于不需要在目标场景进行新一轮的数据标注，是更具备

研究价值与应用潜力的。在这之中以无监督多源域适应行人重识别的性能最优，但也

更具备挑战性，主要存在的问题包括基础模型特征提取能力不足，领域分布差异，伪

标签中噪声，计算开销较高等问题。本文基于深度学习，对以上问题进行了充分的分

析与解决。主要包括：

1.针对基础模型特征提取能力不足的问题，提出了对不同的主流模型在相关域适

应任务上进行了充分的实验对比，并基于实例归一化对模型结构进行优化，实现了性

能的提升。同时对通用的数据增强方案以及新兴的增强方法进行调研与实验，并选择

最优的组合作为后续研究工作的基础。

2.针对领域分布差异问题，提出了基于图卷积网络的领域融合方法来完成对分布

差异的消除，该方法能够实现对目标域的关注以及对领域之间高阶相关性的挖掘。首

先通过目标域优