비지도 도메인 적응 재식별: 이론과 실천

우리는 비지도 도메인 적응 재식별(re-ID) 문제를 연구하고 있습니다. 이 주제는 컴퓨터 비전 분야에서 활발히 연구되고 있지만, 이론적 기반이 부족한 상태입니다. 먼저, 기존의 비지도 도메인 적응 분류 이론을 재식별 작업에 확장합니다. 구체적으로, 추출된 특징 공간에 대한 몇 가지 가정을 소개하고, 이러한 가정에 의해 유도되는 여러 손실 함수를 도출합니다. 이를 최적화하기 위해, 비지도 도메인 적응 재식별 작업을 위한 새로운 자기 학습 방안을 제안합니다. 이 방안은 인코더를 기반으로 라벨이 없는 대상 데이터에 대해 반복적으로 추측을 하며, 추측된 라벨을 바탕으로 인코더를 학습시킵니다. 비지도 도메인 적응 사람 재식별 및 차량 재식별 작업에 대한 광범위한 실험과 최신 기술들과의 비교를 통해 제안된 이론과 자기 학습 프레임워크의 효과성을 확인하였습니다. 우리의 코드는 \url{https://github.com/LcDog/DomainAdaptiveReID}에서 이용할 수 있습니다.