使用特征字典通过自监督度量学习进行无监督车辆重新识别veri-ssml-fd-main.zip

使用特征字典通过自监督度量学习进行无监督车辆重新识别 python源代码 无监督车辆重新识别 (Re-ID) 的主要挑战是从未标记的车辆图像中学习判别特征。许多使用域自适应的方法都取得了出色的性能，但这些方法仍然需要标记数据集作为源域。 本文通过基于特征字典的自监督度量学习 (SSML) 解决了一种无监督车辆 Re-ID 方法，该方法不需要任何类型的标记数据集。我们的方法最初从车辆图像中提取特征并将它们存储在字典中。此后，基于字典，所提出的方法进行基于字典的正标签挖掘（DPLM）以搜索正标签。联合考虑成对相似性、相对秩一致性和相邻特征分布相似性以查找可能属于给定探测图像的同一车辆的图像。将 DPLM 的结果应用于基于字典的三元组损失 (DTL)，以提高学习特征的辨别力并逐步改进 DPLM 结果的质量。DPLM 和 DTL 的迭代过程提高了无监督车辆 Re-ID 的性能。实验结果通过在没有预标记数据集的情况下产生有希望的车辆 Re-ID 性能来证明所提出方法的有效性