半监督字典校正学习提升人员识别精度
需积分: 9 8 浏览量
更新于2024-08-25
收藏 986KB PDF 举报
本文主要探讨了在人员识别(re-ID,person reidentification)领域中,利用半监督词典纠正学习(semisupervised dictionary rectification learning)结合再训练模块来解决标记样本不足的问题。传统的监督学习方法在人员识别中依赖大量标注样本,这在实际应用中限制了模型的扩展性。另一方面,无监督学习由于缺乏明确的标签信息,其识别精度通常不如监督学习。
作者提出了一种创新的方法,即在基于词典学习(dictionary learning)的基础上引入判别信息。他们将字典学习中的稀疏系数表示转化为原始特征的投影问题,通过少量的标记样本训练出一个投影矩阵。这样,他们将字典学习与度量学习(metric learning)相结合,将问题转化为在特征子空间中重构样本标签,从而将半监督学习问题转变为带有图正则化项的监督学习任务。
在实验部分,研究者在VIPeR、PRID、iLIDS和CUHK01等多个公共行人数据集上进行了评估。结果显示,他们的方法在识别准确率上优于现有的一些人员重新识别技术,这证明了半监督词典纠正学习与再训练模块的有效性。这种方法的优势在于它能够在有限的标记数据下,有效地利用未标记数据,提升识别性能,这对于数据标注成本高昂的现实场景具有显著的实际价值。
这篇论文不仅提出了一个新的人员识别方法,还提供了一个将字典学习和度量学习相结合的框架,这为处理数据标记不足的问题提供了新的思路。在未来的研究中,这种方法可能会推动人员识别领域的进一步发展,尤其是在资源有限的情况下提高识别准确性和鲁棒性。
2021-03-13 上传
2021-03-12 上传
2021-03-05 上传
2021-03-18 上传
104 浏览量
2021-02-25 上传

weixin_38740397
- 粉丝: 6

最新资源
- Java人才管理系统的开发与应用
- La Fonda餐厅优雅简约的单页设计项目
- 西北工业大学3D编程指南:虚拟环境的真实再现
- 广工计算机组成原理实验报告汇总(含算术逻辑运算器详解)
- 东大推荐:C语言在嵌入式系统中的进阶指南
- 黑莓8830专用网络阅读装机软件
- 深入理解Spring Timer定时器的应用实例
- VMware Horizon Client 4.7.0发布,客户端下载指南
- 超级WinPE工具:0PE.ISO的极致压缩体验
- Spacialite x86全套依赖DLL库下载
- 友盟消息推送工具类实现:单播、组播、广播
- C语言实现数据挖掘经典算法Apriori
- Udacity数据科学项目:信用风险评估分析
- TMSComponentPack v8.5.1.0全源码版发布
- Tekton管道与Github Workers集成:构建容器化应用
- Struts2 用户登录功能实现教程