郑声晟，殷海兵，黄晓峰，章天杰

研究与开发

基于GAN的无监督域自适应行人重识别

郑声晟，殷海兵，黄晓峰，章天杰

（杭州电子科技大学通信工程学院，浙江 杭州 310018）

针对无监督域自适应行人重识别中存在的聚类不准确导致网络识别准确率低的问题，提出一种基于生成对抗网络的无监督域自适应行人重识别方法。首先通过在池化层后使用批量归一化层、删除一层全连接层和使用Adam优化器等方法优化CNN模型；然后基于最小错误率贝叶斯决策理论分析聚类错误率和选择聚类关键参数；最后利用生成对抗网络调整聚类，有效提升了无监督域自适应行人重识别的识别准确率。在源域Market-1501和目标域DukeMTMC-reID下进行实验，mAP和Rank-1分别达到了53.7%和71.6%。

无监督域自适应；行人重识别；生成对抗网络

1 引言

随着城市人口的不断增长和视频监控系统的大量普及，社会公共安全问题越来越受到人们的重视。为了增强摄像头网络的安防水平，行人重识别（person re-identification，reID）技术得到了广泛关注。行人重识别，也称行人再识别，被视为图像检索问题的一个分支，其目的在于利用计算机技术在一些大型区域内从非重叠多个摄像头中检索特定行人图片[1-4]。行人重识别技术有效地解决了人工检索的低效性问题，具有巨大的应用价值和发展前景。目前的行人重识别技术在智能安防领域、无人超市、智能机器人等领域有广泛的实际应用。但同时行人重识别也面临着许多困难，诸如服装、光照、姿势变换、遮挡物、摄像头视角转换和分辨率低等。……