arxiv 2016 by Mengyue Geng, Yaowei Wang, Tao Xiang, Yonghong Tian
旧数据训练得到的分类器，在新的数据上重新训练，从而在新数据上取得比较好的表现，新数据与旧数据有相似的地方，但具有不同的分布。
这是InceptionV4的图示
- 移除Softmax分类层
- 换成与目标数据集输出维数相同的Softmax层
- 冻结靠近输入的卷积层
- 以较高的学习率训练分类层
- 以很低的学习率微调剩下的卷积层
几个创新点：
- 对于CNN输出的两张图的特征，使用了相同的dropout而非各自独立的随机dropout
- 使用了二分类加多分类两种loss，二分类用于判断两张图中的人是否相同，多分类用于描述两张图中各自的人物ID
- 分两阶段进行Fine tune，先微调多分类，再联合二分类和多分类进行微调，避免多分类网络不稳定对二分类的影响
- 将图片均分为两组（论文中是按摄像头划分的）
- 将B组中的每张图片，与A组中CNN输出相似度最高的图片归为一类，从而构造出多分类标签
- 喂入CNN训练
- 迭代多次
- 由于CNN输出的图片相似度不一定真的可靠，存在噪音，因此Self-training效果没有特别好
- 寻找一个互补的模型，将特征映射到另一个子空间中
- 将B组中的每张图片，与A组中子空间相似度最高的图片归为一类，构造多分类标签
- 喂入CNN训练
- 迭代多次
- CNN计算得到深度特征：
$$𝑦=\theta(𝑥)$$ - Learn a subspace defined by a dictionary D and a new representation Z in the subspace.
- $$(D^, Z^) = min_{D,Z} ||Y-DZ||_F^2 + \lambda\Omega(Z) s.t. ||d_i||_2^2 \leq 1$$
- 其中$$||Y-DZ||_F^2$$是reconstruction error
-
$$\Omega(Z) = \sum_{i,j} W_{ij}||z_i - z_j||_2^2$$ - 当$$y_i$$和$$y_j$$是最近邻时，$W_{ij}$为1，否则为0
- 从而最小化最近邻的representation z的差异
- Softmax loss VS Multi loss： 76.6% -> 83.7%（Market1501）
- 一致的Dropout VS 随机的Dropout： 80.8%-> 83.7% （Market1501）
- Two-stepped VS one-stepped: 47.6%->56.3%(VIPeR)
| DataSet | State of the art | Transfer |
|---|---|---|
| CUHK03 | 75.3 | 85.4 |
| Market1501 | 82.21 | 83.7 |
| VIPeR | 53.5 | 56.3 |
| PRID | 40.9 | 43.6 |
| CUHK01 | 86.6 | 93.2 |
(表中都是top1准确率)
| DataSet | State of the art | Transfer |
|---|---|---|
| VIPeR | 33.5 | 45.1 |
| PRID | 25.0 | 36.2 |
| CUHK01 | 41.0 | 68.8 |
使用其他无监督方法进行实验对比
| Method | Top1 acc |
|---|---|
| Self-training | 42.8 |
| SubSpace | 42.3 |
| Transfer | 45.1 |
| CNN+AutoEncoder | 36.4 |
| Adversarial | 22.8 |
其中SubSpace为只使用Co-Model，不使用CNN模型，Self-training为只使用CNN模型，Transfer是两者结合的Co-training。
总体来说这种无监督的方法取得了比较好的效果，在小数据集上甚至超过了有监督的效果。
如果觉得我的文章对你有帮助，可以前往github点个star