基于LSTM的无监督域自适应行人重识别

• 作者: 胡卓晶 王敏
• 来源期刊: 计算机系统应用
• 关键词: 域自适应 长短时记忆网络 无监督
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 182-187
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007780

摘要

本文提出一种基于无监督域自适应的行人重识别方法.给定有标签的源域训练集和无标签的目标域训练集,探索如何提升行人重识别模型在目标域测试集上的泛化能力.以此为目的,在模型的训练过程中,将源域和目标域训练集同时输入到模型中进行训练,提取全局特征的同时,提取局部特征进行行人图像描述以学到更加细粒度的特征.提出将长短时记忆网络(LSTM)以端到端的方式应用于行人的建模,将其视为从头到脚的身体部分序列.本文方法主要分为两个步骤:(1)利用StarGAN对无标签目标域图片进行数据增强;(2)源域和目标域数据集同时输入到全局分支和基于LSTM的局部分支共同训练.在Market-1501和DukeMTMC-reID数据集上,本文提出的模型都取得了较好的性能,充分体现了其有效性.