85 / 2022-10-08 11:53:46

面向跨域行人再识别的虚拟数据生成与选择

当前基于深度学习的行人再识别模型依赖于大量标注数据的训练，其收集和标注极高。而现有的行人图像数据生成方法未考虑目标域数据特点，跨域性能有待提升。针对该问题，本文提出一种面向跨域行人再识别的虚拟数据生成与选择算法。首先利用目标域前景信息如行人着装颜色分布指导虚拟人体模型生成以及部分替换目标域背景信息达到在像素级上提高数据质量，然后根据Wasserstein Distance做分布度量，在特征级上挑选与目标域最接近的源域训练子集用以模型训练。实验结果表明，该方法可以提升行人再识别模型的跨域泛化性能。