使用GAN生成的无标签样例改善行人重识别的baseline in vitro
摘要
本文主要贡献在于一种简单的只使用原始训练集的半监督管道。挑战在于只从训练集获得更多的训练数据,以及如何使用新生成的数据。使用GAN来生成无标签样例,为离群点提供标签平滑正则化,这种方法分配了一个统一的标签分布给无标签图像,正则化了监督模型并改善了baseline。
方法基于reid这个实际问题,任务旨在从其他摄像机中查询行人,本文采用的是DCGAN(深度卷积GAN)实现简单的生成,采用基准的卷积神经网络CNN实现表示学习。GAN生成的数据有效改善了学到的CNN嵌入的辨识度,在三种常用数据集上基于baselineCNN在rank1精度上有不同程度提升。本文还应用了提出的方法在细粒度的鸟儿识别中,在强基准上有了一定程度的提升。源
github.com/layumi/Person-reID_GAN
网友评论