非監督ドメイン適応再識別：理論と実践

私たちは、教師なしドメイン適応再識別（re-ID）の問題を研究しています。これはコンピュータビジョンにおける活発なトピックですが、理論的な基礎が不足しています。まず、既存の教師なしドメイン適応分類理論を再識別タスクに拡張しました。具体的には、抽出された特徴空間に関するいくつかの仮定を導入し、これらの仮定に基づいて複数の損失関数を導出しました。これらの損失関数を最適化するために、教師なしドメイン適応再識別タスク向けの新しい自己訓練スキームを提案しました。このスキームは、エンコーダーを使用してラベル付けされていない対象データに対して反復的に推測を行い、推測されたラベルに基づいてエンコーダーを訓練します。教師なしドメイン適応人物再識別および車両再識別のタスクにおける広範な実験と最先端技術との比較により、提案した理論と自己訓練フレームワークの有効性が確認されました。私たちのコードは \url{https://github.com/LcDog/DomainAdaptiveReID} で利用可能です。