《表7 现有的半监督方法在视频数据集上的结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《弱监督场景下的行人重识别研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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.