收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于无监督增量学习的跨域行人重识别

廖星宇  
【摘要】:行人重识别(Person Re-ID)是一个应用范围非常广的任务,目前很多方法已经在单域上实现了非常大的性能提升。然而,将一个模型适应到一个没有标签的新域上仍然非常困难。这是因为两个域采集数据的摄像头通常是不同的,最后会导致数据的分布也会出现差异,目前这是行人重识别推向实际应用的一个主要障碍。为了解决这个问题,很多研究者尝试了不同的办法,比如学习一个从源域到目标域的不变映射或者利用生成对抗网络创造属于目标域的“假”数据等等,但是都没有取得太好的效果。为了解决这个问题,我们从一个基本事实出发,即目标域上没有标签的数据非常容易获取,并且在实际中会以增量的方式获得。基于这个考虑,我们提出了一个新奇的无监督增量学习框架,充分利用目标域上没有标签的数据来连续地实时更新目标域上的重识别模型。首先,我们逐步地合并相似的样本成为同一个人,然后推远属于不同人的不相似的样本,同时拉近相同人的相似样本来优化模型;接着,通过一个新奇的知识蒸馏的方式,我们从在线收集的数据上增量地更新重识别模型;最后,重识别模型可以实现目标域上连续的学习过程从而来逐步地实现目标域的适应。也就是说,提出的增量学习策略可以不忘记以前学到的知识,同时也不需要增加模型参数量,实现一个新域的逐步学习和适应。实验结果证明,在跨域的设定下,通过两个大规模数据集Market-1501和DukeMTMC-reID上的实验,我们提出的方法在rank1准确率上分别以23.2%和13.8%超过目前先进的性能。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 卢家海;;基于在线增量学习支持向量机的径流预测[J];水利科技与经济;2017年07期
2 秦玉平;王秀坤;王春立;;实现兼类样本类增量学习的一种算法[J];控制与决策;2009年01期
3 秦玉平;李祥纳;王秀坤;王春立;;支持向量机加权类增量学习算法研究[J];计算机工程与应用;2007年34期
4 朱婷;滕桂法;陆浩;张长利;曾大军;;基于在线增量学习的自适应聚焦爬虫研究[J];计算机应用与软件;2009年05期
5 秦玉平;李祥纳;王秀坤;王春立;;基于超球支持向量机的类增量学习算法研究[J];计算机科学;2008年08期
6 刘新旺;殷建平;张国敏;罗棻;詹宇斌;;基于最小二乘支持向量机的特征增量学习算法[J];计算机工程与科学;2008年12期
7 郭雪松;孙林岩;徐晟;;基于超球结构的支持向量机增量学习算法[J];运筹与管理;2007年04期
8 忽丽莎;王素贞;陈益强;胡春雨;蒋鑫龙;陈振宇;高兴宇;;基于目标均衡度量的核增量学习跌倒检测方法[J];计算机应用;2018年04期
9 李曼;李云;;云计算平台上基于选择性集成的增量学习研究[J];南京邮电大学学报(自然科学版);2012年05期
10 王鑫;王英;;基于本体增量学习的主题爬行[J];长春工程学院学报(自然科学版);2010年04期
11 张品;蒲菊华;刘永利;熊璋;;适用于连续数值标签的兴趣漂移增量学习方法[J];北京航空航天大学学报;2009年09期
12 曾文华,马健;支持向量机增量学习的算法与应用[J];计算机集成制造系统-CIMS;2003年S1期
13 谢勇;胡蓉;钱斌;陈少峰;张桂莲;张笑迪;;一种改进的种群增量学习算法求解带软时间窗的车辆路径优化问题[J];南京理工大学学报;2016年01期
14 丁丹丹;陈靖森;费加罗;佟骏超;潘志庚;姚争为;;多特征增量学习的视频重建图像质量增强算法[J];华南理工大学学报(自然科学版);2018年12期
15 彭彬彬;金翔宇;徐晓刚;孙正兴;;基于SVM增量学习的用户适应性研究[J];计算机科学;2003年03期
16 李东晖;杜树新;吴铁军;;基于壳向量的线性支持向量机快速增量学习算法[J];浙江大学学报(工学版);2006年02期
17 蔚承建,何振亚,张毅锋,杨绿溪;基因多效性人口增量学习算法及其在旅行推销员问题中的应用(英文)[J];Journal of Southeast University(English Edition);2000年02期
18 戴洪;朱明;刘守群;;支持增量学习的文本单类别分类算法[J];计算机工程与应用;2008年27期
中国重要会议论文全文数据库 前8条
1 张庆彬;吴惕华;刘波;;一种改进的基于群体的增量学习算法[A];第二十六届中国控制会议论文集[C];2007年
2 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
3 马后锋;樊兴华;;一种改进的增量贝叶斯分类算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
4 刘欣;章勇;王娟;;增量学习的TFIDF_NB协同训练分类算法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
5 王悦凯;吴晓峰;翁巨扬;;Where-What网络增量学习特性探究[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年
6 韩久琦;柯昂;孟桂芳;张华亮;周瑾;王常勇;;基于神经网络迁移学习和增量学习的脑电信号分类[A];第四届全国神经动力学学术会议摘要集[C];2018年
7 秦亮;唐静;史贤俊;肖支才;;一种改进的支持向量机增量学习算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
8 王会珍;朱靖波;季铎;叶娜;张斌;;基于反馈学习自适应的中文话题追踪[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 唐庭龙;支持向量机增量学习研究[D];浙江工业大学;2018年
2 王庆凤;基于多语义任务与多标签增量学习的胸部影像辅助诊断方法研究[D];中国科学技术大学;2019年
3 及歆荣;面向无线传感器网络的核学习机分布式训练方法研究[D];北京工业大学;2017年
4 胡蓉;增量机器学习算法研究[D];南京理工大学;2013年
5 孙宇;针对含有概念漂移问题的增量学习算法研究[D];中国科学技术大学;2017年
6 李斌;概率混合模型的研究及其应用[D];复旦大学;2009年
7 程淼;基于数据局部结构信息的特征提取中的关键问题研究[D];重庆大学;2009年
8 黄静华;支持向量机算法研究及在气象数据挖掘中的应用[D];中国矿业大学(北京);2011年
9 吴刚;基于粒子滤波与增量学习的车辆跟踪方法研究[D];南京理工大学;2014年
10 李敬;增量学习及其在图像识别中的应用[D];上海交通大学;2008年
中国硕士学位论文全文数据库 前10条
1 田敏皓;基于增量学习的安检机危险品检测算法研究[D];中北大学;2019年
2 廖星宇;基于无监督增量学习的跨域行人重识别[D];中国科学技术大学;2019年
3 李天琦;基于机器学习的网络流量分类研究[D];北京邮电大学;2019年
4 马敏敏;基于支持向量机的增量学习研究与实现[D];中国石油大学(华东);2017年
5 熊霖;集成式增量学习分类算法研究[D];重庆师范大学;2019年
6 周炜;基于密度覆盖的增量学习方法研究[D];安徽建筑大学;2019年
7 李挺;基于增量学习的工业控制系统入侵检测研究[D];南华大学;2018年
8 高嵩;支持向量机增量学习算法研究[D];辽宁科技大学;2018年
9 谢婷婷;面向大规模数据集分类的增量学习方法研究[D];国防科学技术大学;2017年
10 薛楠;判别分析的高效在线增量学习算法研究[D];大连理工大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978