AAAIMar, 2022

自监督批量归一化测试时间适应的通用人员再识别

PDF
TL;DR本研究提出了一种新的人员再辨识（re-id）框架 ——Batch Norm Test-time Adaption（BNTA），它使用自监督策略自适应地更新 Batch normalization（BN）参数，通过两个辅助任务：部分定位和最近邻匹配，挖掘与部分结构和身份相关的领域感知信息，并调节经过 BN 规范化的特征分布以适应目标域，从而在三个再识别数据集上证明了该方法的卓越性能。
person re-identificationdistribution shiftbatch normalizationself-supervised learningdomain adaptation
发现论文，激发创造
  • 通过学习领域感知的批归一化实现测试时域自适应

    通过仅操作 BN 层以减少学习干扰和提高域知识学习，结合自我监督学习提供监督，以及使用元学习强制辅助分支与主分支目标对齐的双层优化，我们的方法在五个真实领域转移数据集上优于其他方法。

    Dec, 2023

  • 通过高斯过程进行去偏批归一化以实现可推广的人员重新识别

    本文提出了一种新颖的基于高斯过程的去偏批量归一化策略（GDNorm），用于解决有限标签源域数据下人员可识别的泛化性问题。该策略通过建立轻量级的多套针对特定源域的批量归一化层以及学习这些层的相应参数，进而建立源域的高斯过程，从而削弱对未见过领域的偏见，提高了模型的泛化能力。实验结果表明，该方法有效提高了模型在未知领域中的泛化能力。

    Mar, 2022

  • 实用域自适应的 Batch Normalization 重新审视

    本文提出了一种称为自适应批量归一化（AdaBN）的方法来提高深度神经网络的泛化能力，无需额外组件或参数，并证明其在领域适应任务和现有方法相结合时具有卓越的性能表现。

    Mar, 2016

  • 弹性实践测试时间适应：软批归一化对齐和熵驱动的记忆库

    通过在测试时进行领域适应，提出了一种抗干扰的实用测试时间适应（ResiTTA）方法，用于解决模型退化和数据质量问题。利用鲁棒批量归一化方法和软对齐策略缓解过拟合和模型退化，并采用熵驱动的记忆库存储高质量数据。通过教师 - 学生模型和自学习损失对模型进行周期性的适应，最终在多个基准数据集上取得了最先进的性能。

    Jan, 2024

  • 针对人员再识别的无监督域泛化：领域特定自适应框架

    本论文提出了一种无监督领域泛化的方法来解决行人重识别中源域无标签的问题，该方法采用领域特定的自适应框架，结合批标准化和实例标准化技术实现，准确地优化模型泛化能力，同时提高了训练效率和 ReID 性能。实验证明，该方法在不同的数据集上表现出显著优势，为进一步研究此领域奠定了强有力的基础。

    Nov, 2021

  • 面向终身人员再识别的分布对齐语义适应

    在本文中，我们提出了一种适应分布匹配语义调整（Distribution Aligned Semantics Adaption，简称 DASA）框架，通过有效地调整 BN 以减轻数据分布差异的干扰并冻结预训练的卷积层来保留共享知识，其显著降低存储消耗，优于先进的生命周期行人重新识别方法，是一种创新且经济高效的适应预训练模型进行生命周期行人重新识别的方法。

    May, 2024

  • TTN：测试时间适应中考虑领域变化的批量归一化

    本文提出了一种新型的批次规范化策略 —— 测试时间适应的归一化统计方法，通过调整传统归一化和传输归一化统计信息的权重，以适应各种实际评估场景，提高模型对于不同批次大小和领域转移的鲁棒性，实现了各项标准评测中的最佳性能。

    Feb, 2023

  • 适用于可泛化人员再识别的元批次实例标准化

    本文提出了一种称为 MetaBIN 的框架，利用元学习模拟先前不成功的普遍化场景，将可学习的批次 - 实例标准化层与元学习相结合，以改善 Re-ID 领域中的泛化能力问题。

    Nov, 2020

  • 在线无监督域自适应的行人再识别

    本文提出了一个可行的在线适应和隐私保护的无监督领域适应方法，使用知名的 Market-1501，Duke 和 MSMT17 基准测试对最新的 UDA 算法进行了适应和评估。

    May, 2022

  • 适应性和再认网络：一种无监督的深度迁移学习方法用于人员再认证

    该论文提出了一种基于无监督领域自适应的 person re-identification（Re-ID）网络模型，能够在没有外部监督数据的情况下，利用来自多个数据源的信息，提取出具有领域不变性的特征向量，并在实验中取得了比其他同类方法更好的效果。

    Apr, 2018