文件名称：通过带有再训练模块的半监督词典纠正学习对人员进行识别
文件大小：986KB
文件格式：PDF
更新时间：2024-04-04 01:15:26
person reidentification; semisupervised learning; dictionary
目前，在人员识别（re-id）领域，常用的监督学习算法需要大量的标记样本，这不利于模型的推广。 另一方面，由于缺乏判别信息，无监督学习算法的准确性低于有监督算法。 为了解决这些问题，我们使用少量带标签的样本在基本词典学习中添加判别信息。 此外，将字典学习的稀疏系数分解为原始特征的投影问题，并通过标记样本训练投影矩阵，将其转换为度量学习问题。 因此，它通过结合字典学习和度量学习来整合这两种方法的优点。 训练数据后，使用投影矩阵将未标记的特征投影到特征子空间中，并重构样本的标签，然后将半监督学习问题转换为具有图正则化项的监督学习问题。 在VIPeR，PRID，iLIDS和CUHK01等不同的公共行人数据集上进行的实验表明，我们的方法的识别准确度优于其他一些现有的人员重新识别方法。