前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >ReID:无监督及领域自适应的目标重识别概述

ReID:无监督及领域自适应的目标重识别概述

作者头像
chaibubble
发布2021-07-19 14:50:03
2.2K0
发布2021-07-19 14:50:03
举报

无监督(unsupervised)及领域自适应(domain adaptive)的目标重识别是目标重识别领域中两个重要的研究方向,同时二者又关系密切。本文中部分配图和内容参考葛艺潇:无监督及领域自适应的目标重识别

Object ReID:

目标重识别(object ReID)是图像检索领域内的一个分支,比较常见的目标重识别任务包括行人重识别,车辆重识别和服饰重识别。

  • 人脸识别
    • webface
    • Glint360K
    • WebFace260M
  • 行人重识别
    • market-1501
    • DukeMTMC-reID
    • MSMT17
  • 车辆重识别
    • Veri776
    • AICity
  • 服饰重识别
    • Deepfashion
  • 其它
    • Watch and Buy: Multimodal Product Identification Challenge

ReID任务一般为存在一个probe image作为query,多个不同摄像头下拍摄的多种身份标签组成gallery,返回gallery中与query身份一致的图片。 其一般流程为,使用一个预先训练好的模型,对需要检索的图片提取特征embedding,这个特征会用来计算每个pair之间的距离,以排序gallery中不同图像。

在这里插入图片描述
在这里插入图片描述

所以,对于基于深度学习的ReID方法,是否能够提取出具有代表性的特征,直接决定了ReID系统的表现。理想状态下该特征应该能够具有足够的鲁棒性对抗角度,光照,姿态等变化。 如下图所示,这个同一个车在不同摄像头下的图像,数据来源于AICity challenge 2021 track3

在这里插入图片描述
在这里插入图片描述

Domain Adaptive Object ReID:

task

得益于深度学习能力,ReID任务在部分benchmark上可以取得非常不错的性能,但是这只限于同一个benchmark内,如果用market-1501中训练的模型,用到DukeMTMC中预测(market2duke),性能就会大幅下降,反之亦然。即ReID的跨域表现非常差,对抗领域差异的能力很弱。 领域自适应ReID就是为了解决这个问题,领域自适应ReID要求通过有标注的源域数据预测无标注的目标域数据。

在这里插入图片描述
在这里插入图片描述

领域自适应的ReID任务也被成为open-class问题,为了区分分类任务中的domain adaptive问题,因为ReID任务一般情况下是领域间类别不同的,而分类任务领域间类别部分相同或完全相同。

这个比较好理解,ReID的任务即便是同一个domain中,test和train的类别也没有交叉。

solutions

领域自适应ReID任务有两大类解决方法:伪标签类(pseudo-label-based)和域转换类(domain-translation-based),

伪标签类方法通过源域中的训练得到的模型,在目标域中进行特征提取和聚类,聚类后得到的标签就是伪标签,并作为实际标签来使用,进行常规reid模型的训练。并在每个epoch开始前更新标签。伪标签类方法可以有效建模源域和目标域之间的关系,是领域自适应重识别任务中的主流方法。 域转换方法通过一个GAN模型,将目标域的风格转换到源域,利用源域的模型进行预测

伪标签与域转换并不冲突,二者相辅相成。

methods

pseudo-label-based

  • MMT
  • SpCL

domain-translation-based

  • SPGAN
  • SDA

Unsupervised Object ReID

task

无监督的目标重识别任务与领域自适应目标重识别任务比较相似,区别在于前者没有source domain,在这里还有一点区分:

一般情况下无监督的目标重识别任务会使用imagenet上的预训练模型,所以也可以理解为imagenet domain向target domain的自适应的问题。

而无监督预训练任务要求不能使用预训练模型。

solutions

无监督ReID任务由于没有被标定的源域,所以只剩下伪标签类(pseudo-label-based)方法,其伪标签类方法与领域自适应的伪标签方法非常相似,

区别就在于前者没有通过源域中的训练得到的模型,而是直接使用imagenet上的预训练模型进行特征提取。

methods

同样的,大多数应用到领域自适应的目标重识别方法,都可以应用到无监督目标重识别上

pseudo-label-based

  • MMT
  • SpCL
  • Cluster Contrast ReID
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2021-05-10 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Object ReID:
  • Domain Adaptive Object ReID:
    • task
      • solutions
        • methods
        • Unsupervised Object ReID
          • task
            • solutions
              • methods
              相关产品与服务
              人体分析
              腾讯云神图·人体分析(Body Analysis)基于腾讯优图领先的人体分析算法,提供人体检测、行人重识别(ReID)等服务。支持识别图片或视频中的半身人体轮廓;支持通过人体检测,识别行人的穿着、体态等属性信息。可应用于人像抠图、背景特效、人群密度检测等场景。
              领券
              问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档