基于无监督学习的行人重识别研究

报告题目:基于无监督学习的行人重识别研究

报告人:陈峰 博士

报告时间:2024年3月24日8:30

报告地点:秀山校区艺设西楼213会议室

报告对象:计算机科学与技术学院研究生及其他感兴趣师生

内容摘要:随着越来越多的监控摄像头被应用于刑侦、交通、商业以及工业生产等领域,监控数据的规模呈现爆炸式增长,准确识别监控视频中的特定行人对于刑事侦查、险情预警以及抓拍交通违章等有着重要的意义。因此行人重识别应运而生,其旨在解决跨摄像头条件下的行人检索问题,并且不同摄像头的拍摄区域通常不重叠。

迄今为止,该领域的大部分工作关注于有监督场景下的行人重识别问题。得益于深度学习技术的进步,现有的一些有监督学习方法在相关公共数据集上已经取得较好的效果。但在实际应用中,由于不同场景间存在域差异,如果直接把在源域得到的模型,直接应用于目标域进行检索时性能通常呈现显著的下降。数据标注的高昂成本也使得有监督的方法难以扩展到实际应用中,这也是阻碍行人重识别技术能够真正落地的重要因素。另一方面,广泛部署的监控设备能够以较低的成本采集到海量的无标签行人数据。因此,无监督行人重识别的研究具有重大的价值和意义。本报告将聚焦于无监督行人重识别相关问题,并介绍相关研究方法以及研究成果。

报告人简介:陈峰,男,博士,2021年毕业于安徽大学。研究方向为模式识别、计算机视觉、行人重识别。主持国家自然科学基金1项;以第一作者在Pattern Recognition, Information Sciences等主流期刊和会议发表论文多篇。