行人再识别中的增量学习

人物再识别仍然是计算机视觉中的一个具有挑战性的任务，原因多种多样。另一方面，增量学习仍然是一个难题，因为深度学习模型在连续任务训练时往往会遇到灾难性遗忘的问题。本文提出了一种可用于人物再识别多个任务的模型，该模型在各种任务中提供了最先进的结果，并且在后续任务中仍能保持较高的准确性。我们在Market 1501和Duke MTMC两个数据集上对所提出的模型进行了评估。大量实验表明，该方法不仅能够高效地实现人物再识别中的增量学习，还适用于其他计算机视觉任务。