多域联合学习模型

无监督跨域重识别

该模型通过数据增强与多标签分配策略解耦语义特征,并利用自蒸馏生成可靠伪标签,在无监督设定下实现了优于部分有监督方法的跨域行人重识别性能。

Chen, Feng · 王年 · 唐军 · Yan, Pu · Jun, Yu

Pattern Recognition 2023

技术优势

目标域不需要标注

利用预训练模型提取多种语义特征并聚类,通过自蒸馏生成可靠伪标签,无需人工标注。

跨域泛化能力强

数据增强与多标签分配策略实现语义特征解耦,使模型能适应不同目标域。

应用场景