唐 轲，郎丛妍

（北京交通大学计算机信息与技术学院，北京100043）

引 言

行人再识别（Person re-identification，Re-ID）是指给定一张目标行人图像，在跨摄像头的图像库中重定位该行人的技术。随着近几年深度学习技术突飞猛进，安防问题受到广泛关注，行人再识别技术也受到越来越多的重视。同时，国内外安防监控设备的增多，给研究提供了海量数据，促使了其在短时期内得到快速发展，逐步成熟。目前正在进入实际应用阶段，被应用于视频监控、智能安防等领域。近几年有许多标志性方法［1-3］先后被提出，并取得了突破性进展。但在实际应用场景中，许多有效的方法无法得到预期结果和验证，这是因为：当用于训练的数据量激增时，人工标注或检测器识别均难以避免地引入大量噪声标签，例如将一个行人错误标注为数据集中的其他行人，即均匀噪声［4］，如图1，2 所示。而目前主流使用的深度学习方法，均基于训练数据标签正确的基本假设，对数据标签有较强的依赖性。文献［7］阐述了深度神经网络对样本具有充足的拟合能力，可以记忆包括噪声数据在内的所有训练样本。文献［8］阐述了噪声数据给深度神经网络的泛化能力造成极大损害：随着训练进行，非噪声训练数据回传梯度数值减小，对模型参数优化产生的更新也随之减少。而训练迭代过程中，在噪声数据上计算的回传梯度仍然很大，模型参数开始向噪声数据进行拟合。

图1 DukeMTMC-reID [5]数据集中遮挡严重时标签噪声示例……