摘要

无监督行人重识别（ReID）旨在在没有监督标签的情况下，将查询图像中的行人与图库集中的图像进行匹配。目前解决无监督行人重识别问题的最流行方法通常是首先执行聚类算法以生成伪标签，然后利用这些伪标签训练深度神经网络。然而，伪标签存在噪声且对聚类算法中的超参数非常敏感。本文提出了一种混合对比学习（HCL）方法用于无监督行人重识别，该方法结合了实例级和聚类级对比损失函数。此外，我们还提出了一种多粒度聚类集成的混合对比学习（MGCE-HCL）方法，该方法采用多粒度聚类集成策略来挖掘伪正样本对之间的优先信息，并定义了一个优先加权的混合对比损失函数，以更好地容忍伪正样本中的噪声。我们在两个基准数据集Market-1501和DukeMTMC-reID上进行了广泛的实验。实验结果验证了我们所提方法的有效性。