《表7 现有的半监督方法在视频数据集上的结果》
在本节,我们总结了当前基于深度学习的半监督行人重识别算法在3个大规模图像数据集Market1501[88],DukeMTMC-reID[32]和MSMT17[65]以及3个大规模视频数据集MARS[96],DukeMTMC-VideoReID[84]和DukeMTMC-SI-Tracklet[97]上的实验结果.特别地,当前在行人重识别问题半监督的定义有很多种,本节总结的方法包括:(1)少部分人有标记的场景,如Distilled-ReID[80]和MVC[81];(2)每一个人有少量标记的场景,如OneExample[82];(3)基于tracklet的场景,例如TAUDL[83],UTAL[84],TSSL[100],TASTR[101]和UGA[75];(4)摄像头內有标记但摄像头间无标记的场景,如ACAN[85],MTML[87]和PCSL[86].所有方法的实验结果总结在表6和表7中.表6展示了现有的半监督方法在图像数据集Market1501,DukeMTMC-ReID和MSMT17上的结果,其中,-表示没有对应的实验结果;表7展示了现有的半监督方法在视频数据集MARS,DukeMTMC-VideoReID和DukeMTMC-SI-Tracklet上的结果,其中,-表示没有对应的实验结果.特别地,与大部分无监督方法会涉及到源域和目标域的数据集不同的是,半监督的方法中只有目标域的数据集.
图表编号 | XD00153551300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 祁磊、于沛泽、高阳 |
绘制单位 | 计算机软件新技术国家重点实验室(南京大学)、计算机软件新技术国家重点实验室(南京大学)、计算机软件新技术国家重点实验室(南京大学) |
更多格式 | 高清、无水印(增值服务) |