声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：陈利文,叶锋,黄添强,黄丽清,翁彬,徐超,胡杰,
关键词：行人重识别, 无监督学习, 最大团算法, 伪标签, 聚类,
在刑事侦查、智能监控、图像检索等领域，行人重识别一直是研究的热点.由于现有的大部分方法依赖有标注数据集，因此标签的缺乏使得无监督的行人重识别技术变得更具挑战性.为了克服这一问题，提出了一个用于生成可靠伪标签的框架，这些生成标签可以为现有监督行人重识别模型提供监督信号.假设数据集内的大部分图片都满足同一个摄像头拍摄的图片差异主要在于前景（行人）、同一个行人被不同摄像头拍摄到的图片差异主要在于背景.为了消除图片背景带来的差异，首先把数据集中的图片依据摄像头编号分成若干个域，通过计算每个域内的图片间的欧式距离，建立图模型，执行最大团算法寻找最相似的若干个图片并认为它们属于同一个行人；紧接着计算不同摄像头域间的团的相似度，据此进行合并；最终给出全局伪标签.所提的框架无需人为标注数据，以一种无监督的方式运行，并在Market1501和DukeMTMC-ReID数据集上进行实验，实验发现所提方法比其他相关方法具有更高的精度，从而进一步证明了所提方法的有效性.
来源：2023年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。