通过分布引导的分层特征校准，抑制伪标签噪声并增强跨粒度一致性，在无监督行人重识别任务中缩小与有监督方法的性能差距。
Yongxi, Li · 唐文忠 · Shuai, Wang · 钱胜胜 · 徐常胜
IEEE Transactions on Circuits and Systems for Video Technology 2024
通过高斯混合模型评估样本置信度，并利用特征分布校正器校准低置信度样本的特征，有效降低伪标签中的噪声，提升特征判别性。
分层特征提取器同时捕获行人的全局显著性和局部细微纹理信息，生成更具代表性的特征表示。
通过全局与局部特征的差异来施加一致性约束，使得特征嵌入更准确，模型鲁棒性更强。