弱监督场景下的行人重识别研究综述

• 作者: 于沛泽 祁磊 高阳
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 行人重识别 半监督学习 无监督学习 深度学习 人工智能
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2883-2902
• 页数: 20页
• 分类号: TP18
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.006083

摘要

近年来,随着智能监控领域的不断发展,行人重识别问题逐渐受到学术界和工业界的广泛关注,其主要研究将不同摄像头下相同身份的行人图像进行关联.当前,大部分研究工作关注在有监督场景下,即给定的训练数据都存在标记信息,然而考虑到数据标注工作的高成本,这在现实应用中往往是难以拓展的.关注于弱监督场景下的行人重识别算法,包括无监督场景和半监督场景,并且对当前先进的方法进行了分类和描述.对于无监督场景的行人重识别算法,根据其技术类型划分为5类,分别为基于伪标记的方法、基于图像生成的方法、基于实例分类的方法、基于领域自适应的方法和其他方法;对于半监督场景的行人重识别方法,根据其场景类型划分为4类,分别为少量的人有标记的场景、每一个人有少量标记的场景、基于tracklet的学习的场景和摄像头内有标记但摄像头间无标记的场景.最后,对当前行人重识别的相关数据集进行了整理,并对现有的弱监督方法的实验结果进行分析与总结.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高阳		77	1645	20.0	39.0
2	祁磊		2	5	1.0	2.0
3	于沛泽		1	0	0.0	0.0