摘要

标签估计是无监督行人重识别（re-ID）系统中的一个重要组成部分。本文专注于跨摄像头标签估计，该估计可以用于特征学习，以训练出鲁棒的行人重识别模型。具体而言，我们提出为每个摄像头中的样本构建一个图，并引入图匹配方案进行跨摄像头标签关联。然而，由于显著的跨摄像头变化，现有图匹配方法直接输出的标签可能含有噪声且不够准确。为此，本文提出了一种动态图匹配（Dynamic Graph Matching, DGM）方法。DGM通过学习更好的特征空间并利用中间估计的标签，迭代更新图像图和标签估计过程。DGM在两个方面具有优势：1）随着迭代次数的增加，估计标签的准确性显著提高；2）DGM对初始训练数据中的噪声具有较强的鲁棒性。在包括大规模MARS数据集在内的三个基准数据集上进行的大量实验表明，DGM在性能上与全监督基线方法相当，并优于其他无监督学习方法。