Adversarial Camera Alignment Network for Unsupervised Cross-camera Person Re-identification阅读笔记
Adversarial Camera Alignment Network for Unsupervised Cross-camera Person Re-identification Lei Qi, Lei Wang, Jing Huo, Yinghuan Shi, Yang Gao 2019 CVPR? 1. Motivation 引入了“无监督跨摄像机行人ReID任务”,它只需要相机内的标签信息,而不需要相机间的标签信息,降低了标注成本(相机内标注只需要用追踪算法就能很好的标注同一人的图像了)。在这种情况下,主要的挑战来自不同姿态、遮挡、分辨率、光照条件和不同像机的噪声造成的分布差异。 针对这种情况,本文提出了一种新的Adversarial Camera Alignment Network(ACAN)。它由像机对齐任务和相机内监督学习任务组成。为了实现相机对齐,作者提出了一种多摄像机对抗性学习(MCAL)方法,将不同摄像机的图像映射到一个共享的子空间中(类似于跨域中将不同域图像编码到域不变性空间的做法)。此外还提出GRL(梯度反转层,之前就有)和“其他摄像机等概率”(OCE)策略,以进行多摄像机对抗任务。基于这个共享子空间,利用相机内标签来训练网络。 2. 介绍 本文与单纯有监督或单纯无监督的设置不同,提出了一种无监督的跨相机reid任务(可视为一种半监督ReID)。