.png){kind=icon}
返回
EMGC: An Efficient Unsupervised Person Re-Identification Method Based on Multigrained Complementary Features
.png){kind=icon}
PRE
AI
DOI：10.1111/exsy.70239.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无监督行人重识别（Re-ID）旨在利用伪标签从未标记数据中学习判别特征以进行行人检索。然而，现有方法在优化伪标签时未能充分利用多粒度特征中的细粒度线索，从而限制了其性能。为解决此问题，本文提出了一种基于高效多粒度互补特征的无监督行人重识别方法（EMGC），其包含两个核心模块：多粒度令牌传播模块（MGTP）和互补特征标签优化模块（CFLO）。MGTP基于改进的视觉Transformer（ViT），通过多粒度架构（MGA）和高效令牌传播策略（ETP）增强特征表示能力，同时降低计算复杂度。具体而言，MGA捕捉全局和局部特征，而ETP通过动态令牌选择减少冗余并提高计算效率。CFLO引入全局和局部特征互补伪标签优化框架（GPFC-PLO），利用局部特征中的细粒度信息提升伪标签质量、缓解噪声干扰并增强鲁棒性。在三个行人重识别数据集上的大量实验证明了EMGC的有效性。结果表明，其在性能和推理速度上均优于当前无监督方法，显著缩小了与监督方法的性能差距。
Keyword:
multigranularity features
pseudo-label optimisation
transformer
unsupervised person re-identification
期刊
IF:
2.3
论文数:
2.6K
被引数:
3.8K
机构
引用论文
PAC-GAN: An effective pose augmentation scheme for unsupervised cross-view person re-identification.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏CORE-ReID: Comprehensive Optimization and Refinement through Ensemble Fusion in Domain Adaptation for Person Re-IdentificationSoftware
SoftwareIF0
PREAI
分享收藏Unsupervised Person Re-Identification with Transformer-based Network for Intelligent Surveillance Systems基于Transformer网络的非监督行人重识别方法用于智能监控系统
PREAI
分享收藏Contrastive learning enhanced pseudo-labeling for unsupervised domain adaptation in person re-identificationPLOS One
PLOS OneIF0
PREAI
分享收藏
查看更多内容