作者:
原文服务方: 科技与创新       
摘要:
无监督行人重识别任务要求在训练数据没有标注的情况下训练出能够进行跨摄像头检索的行人重识别模型,如何在缺失行人真实身份标签的情况下训练模型提取出具有鲁棒性和判别性的特征是无监督行人重识别研究的难点.针对基于文本的跨模态行人重识别中模态间分布差异问题,提出基于跨模态蒸馏的无监督行人重识别算法,通过构建跨模态分类对比损失、跨模态蒸馏损失和模态内规范化损失,在无行人标注的情况下,训练出能够提取具有跨模态不变性和行人身份判别性特征的模型.
推荐文章
基于卷积注意力机制和多损失联合的跨模态行人重识别
跨模态行人重识别
深度学习
卷积注意力机制
多损失联合
基于无监督学习的行人检测算法
行人检测
无监督
稀疏编码
非线性变换
非极大值抑制
基于样本正态性重采样的改进KISSME行人再识别算法
行人再识别
度量学习算法
半监督学习
基于深度学习的行人重识别研究综述
行人重识别
监督学习
半监督学习
弱监督学习
无监督学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于跨模态蒸馏的无监督行人重识别算法
来源期刊 科技与创新 学科 地球科学
关键词 计算机视觉 无监督学习 行人重识别 深度学习
年,卷(期) 2024,(8) 所属期刊栏目
研究方向 页码范围 14-18
页数 5页 分类号
字数 语种 中文
DOI 10.15913/j.cnki.kjycx.2024.08.004
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2024(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
计算机视觉
无监督学习
行人重识别
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
总被引数(次)
202805
论文1v1指导