Unlabeled|Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro
【Unlabeled|Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro】通过对抗生成网络产生无标签样本在此之外提高行人重识别的基准
摘要：
这篇论文的主要贡献是简单的半监督管道，这个管道仅仅使用了原始的训练数据，并不需要额外的收集数据。这个挑战在于1）如何仅从训练集中获得更多的训练数据；2）如何使用新生成的数据。在本作中，对抗生成网络被用于生成无标签的样本。我们提出了离群值的标签平滑正则化（这个离群值应该指的就是生成的图片——译者注）。这个方法为无标签的图片分配了一个均匀分布的标签，这是的监督模型正则化，并且提高了基准。
我们在一个实际的问题：行人重识别上验证了提出的方法。这个任务旨在从其他相机中检索一个查询的行人。我们使用了深度卷积生成对抗网络（DCGAN）来产生样本，和一个基准的卷积神经网络（CNN）来学习表达。实验表明，增加的由GAN产生的图片有效地提高了学习的CNN嵌入的辨别能力。在三个大规模的数据集Market-1501，CUHK03和DukeMTMC-reID上，我们的rank-1准确率分别比基准的CNN提高了+4.37%，+1.6%和+2.46%。此外，我们将提出的方法应用到了一个细粒度的鸟类识别上，并获得了比强基准多+0.6%的提高。代码可见https://github.com/layumi/Person-reID_GAN
全文地址：https://arxiv.org/abs/1701.07717
推荐阅读
- 批量insertOrUpdate或replace-into使用useGeneratedKeys报错简单分析
- BitmapFactory.Options.inSampleSize 的用法
- 宏GENERATED_BODY做了什么（）
- OpenGL|A summary of OpenGL ES 3.1 demos and samples
- Mybatis插入时返回自增主键方式(selectKey和useGeneratedKeys)
- TCP|TCP ex Machina: Computer-Generated Congestion Control
- PostgreSQL中的GENERATED COLUMN
- 清除家中安全隐患|清除家中安全隐患 促进儿童居家安全 （generated by SAFELINK）