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。