典型文献
基于多聚类算法的无监督行人再识别
文献摘要：
行人再识别技术(Re-ID)[1,2]主要用于识别不同的视频图像中的同一行人,该技术可从海量的视频数据中查询目标人员(如嫌疑人、孩子等)的行踪轨迹,是计算机视觉领域的研究热点之一,广泛应用于区域智能安防与公共安全领域.
深度学习方法[3,4]促进了行人再识别技术发展,可分为有监督的和无监督的行人再识别方法[5].基于有监督的行人再识别方法需要对大量的视频图像数据进行人工标注标签,将耗费巨大的人力成本.基于无监督的行人再识别方法可在没有任何标记数据的情况下,训练一个可以跨摄像机检索目标人员的神经网络,不需要为海量的图片数据逐一手工标注,更适合在实际场景中应用.现有基于伪标签的无监督行人再识别方法,需使用聚类算法对样本进行聚类,并为归属于同一个类别的样本分配相同的伪标签;但采用单一的聚类算法的准确性不高,难以满足模型对标签质量的要求.
文献关键词：
中图分类号：
作者姓名：
方俭;杜鹃;王晶;张晶
作者机构：
电科院
文献出处：
引用格式：
[1]方俭;杜鹃;王晶;张晶-.基于多聚类算法的无监督行人再识别)[J].中国安防,2022(09):71-77
A类：
B类：
多聚类,聚类算法,无监督,行人再识别,Re,ID,视频图像,一行,视频数据,嫌疑人,行踪,计算机视觉,智能安防,公共安全,安全领域,深度学习方法,有监督,图像数据,注标,耗费,人力成本,记数,跨摄像机,图片数据,一手,伪标签,归属于,同一个,标签质量
AB值：
0.368737
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
