半监督字典校正学习提升人员识别精度
需积分: 9 114 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。
107 浏览量
点击了解资源详情
103 浏览量
2021-03-13 上传
2021-03-12 上传
2021-03-05 上传
2021-03-18 上传

weixin_38740397
- 粉丝: 6

最新资源
- 实现篮球竞赛30秒定时器程序的关键技术
- 用JavaScript实现2048游戏练习及问题解析
- C#设计模式的工程化实现与扩展实践
- C#语言开发的NewDayBBS论坛系统问题修复指南
- 新闻发布及管理系统实现新闻评论与发布功能
- PC端多图预览上传插件:自定义界面与PHP代码集成
- 使用leetcode-cli提升编程题解题体验
- 解决libboost_python.a静态库编译错误的详细方法
- Linux下C代码检查工具splint的使用教程
- 遗传算法求解最小值实战与分析(附Matlab代码)
- 掌握DirectX 9.0实现3D游戏编程:源代码解析
- 简易模拟QQ的网络编程实践
- -4Math技术解析与HTML实现细节
- Dawn:前端与Node.js的轻量级构建工具
- Android实现在线图片下载并存入SD卡的流程
- DSP281x头文件兼容CCS2和CCS3.3开发软件