基于自适应融合网络的跨域行人重识别方法OA北大核心CSCDCSTPCD
无监督跨域的行人重识别旨在将从有标签的源域中学习到的知识迁移到无标签的目标域,具有实用性和有效性而得到广泛关注.基于聚类的跨域行人重识别可以生成伪标签并对模型进行优化使得其表现较其他方法更优,然而这类方法由于过于依赖聚类伪标签的准确性,忽略了对伪标签噪声的处理,导致噪声随着网络迭代而不断扩大,影响模型的鲁棒性.针对这个问题,提出了基于自适应融合网络的方法,利用双网络结构共同学习,并将学习到的知识进行融合得到融合网络;为了区分两个网络的学习能力,设…查看全部>>
郭迎春;冯放;阎刚;郝小可
河北工业大学人工智能与数据科学学院,天津300401河北工业大学人工智能与数据科学学院,天津300401河北工业大学人工智能与数据科学学院,天津300401河北工业大学人工智能与数据科学学院,天津300401
计算机与自动化
跨域行人重识别自适应融合网络细粒度风格转换深度学习
《自动化学报》 2022 (11)
P.2744-2756,13
国家自然科学基金(60302018,61806071,62102129)河北省自然科学基金(F2019202381,F2019202464)资助。
评论