适应与再识别网络：一种无监督的深度迁移学习方法用于人员再识别

人员重识别（Re-ID）旨在从不同摄像头拍摄的图像中识别同一人。为了完成这一任务，通常需要大量标注数据来训练一个有效的Re-ID模型，这在实际应用中可能并不现实。为了解决这一限制，我们选择利用来自另一个不同（辅助）数据集的足够数量的已标注数据。通过同时考虑该辅助数据集和目标数据集（但不包含标签信息），我们提出的适应与重识别网络（Adaptation and Re-Identification Network, ARN）执行无监督域适应，从而跨数据集利用信息并提取域不变特征用于Re-ID目的。在我们的实验中，验证了所提出的网络在性能上优于现有的无监督Re-ID方法，并且甚至超过了需要完全监督数据进行训练的若干基线Re-ID方法。