思路及创新点

提出了实例间对比编码(ICE),它利用实例间成对相似度分数来提升效果。使用成对相似度排序作为难样本实例对比的one-hot难伪标签,旨在减少类内方差。然后,使用相似度分数作为软伪标签来增强数据增强后的视图和原始视图之间的一致性,这使得模型对增强扰动更加鲁棒。

上图中online encoder是传统的神经网络,momentum encoder与MoCo类似,通过online encoder的累积权重进行更新。

总损失为:

For a camera-agnostic memory

集群 a 的代理被定义为属于该集群的所有实例的平均动量表示:


fa为online encoder集群 a的输出。通过上述损失,异常值不会从集群实例中推开,这使能够为提出的难样本对比挖掘更多的难样本。

For a camera-aware memory

pab 定义为相机 cb 中属于集群 a 的所有实例的平均动量表示:

给定一个在线表示fab,跨相机代理对比损失是一个softmax log loss,其中pai为一个正跨相机代理和Nneg为最近的负代理数。

其中 < · > 表示余弦相似度,τc 是跨相机温度超参数。 |P|是跨相机正代理的数量。由于这种跨相机代理对比损失,来自一个相机的实例被拉近其他相机的代理,这减少了类内相机风格差异。

Hard Instance Contrastive Loss

一个 mini-batch 由 NP 个身份组成,其中每个身份都有 NK 个正实例。给定一个属于第 i 类的锚实例 fi,对与 fi 的余弦相似度最低的最难的正动量表示 mik 进行采样,见图 4。


其中其中 k = arg min (<fi·mik>),也就是选择正样本中最不相似的一张。

Soft Instance Consistency Loss

对于数据增强后的一批图像,我们测量anchor fA与所有小批量NK×NP实例之间的实例间相似度,如图4所示。然后,实例间相似度转化为一个softmax的预测分布P:

对于没有数据增强的同一批次,我们测量同一锚的动量表示与所有小批量 NK × NP 实例之间的实例间相似性,因为动量编码器更稳定。我们得到一个目标分布 Q:

实验结果

【实例间对比】ICE: Inter-instance Contrastive Encoding for Unsupervised Person Re-identification论文笔记相关推荐

  1. [论文阅读]ICE: Inter-instance Contrastive Encoding for Unsupervised Person Re-identification(ICCV2021)

    ICE: Inter-instance Contrastive Encoding for Unsupervised Person Re-identification(ICCV2021) 实例间对比学习 ...

  2. Weakly Supervised Instance Segmentation using the Bounding Box Tightness Prior 论文笔记

    Weakly Supervised Instance Segmentation using the Bounding Box Tightness Prior 论文笔记 一.摘要 二.引言 三.相关工作 ...

  3. 《Knowledge Base Question Answering via Encoding of Complex Query Graphs》论文笔记

    Knowledge Base Question Answering via Encoding of Complex Query Graphs 这篇文章是上交和阿里于2018年发表在ACL上,主题依然是 ...

  4. x264源代码简单分析:宏块分析(Analysis)部分-帧间宏块(Inter)

    ===================================================== H.264源代码分析文章列表: [编码 - x264] x264源代码简单分析:概述 x26 ...

  5. FFmpeg的H.264解码器源代码简单分析:宏块解码(Decode)部分-帧间宏块(Inter)

    ===================================================== H.264源代码分析文章列表: [编码 - x264] x264源代码简单分析:概述 x26 ...

  6. FFmpeg的H.264解码器源代码简单分析:宏块解码(Decode)部分-帧间宏块(Inter)...

    ===================================================== H.264源代码分析文章列表: [编码 - x264] x264源代码简单分析:概述 x26 ...

  7. 自步对比学习(Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID)

    自步对比学习(Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID) 简介 文章来源 ...

  8. oracle rac 实例查询,查找RAC环境中实例间资源分配情况

    查找RAC环境中实例间资源分配情况 select * from gv$resource_limit order by RESOURCE_NAME[@more@] 1* select * from gv ...

  9. 数据传输服务 DTS > 数据迁移 > 同一阿里云账号实例间迁移 > RDS实例间的数据迁移

    RDS实例间的数据迁移 更新时间:2020-04-26 14:24:23 编辑我的收藏 本页目录 前提条件 注意事项 费用说明 迁移类型说明 数据库账号的权限要求 操作步骤 本文介绍如何使用数据传输服 ...

最新文章

  1. linux先运行后面指令,Linux基础命令(6)
  2. eclipse 快捷键_eclipse两种注释的快捷键
  3. 京东AI一把手周伯文被曝离职创业,曾任技术委员会主席,毕业于中科大少年班...
  4. 【系统分析与设计】UML协作图绘制方法(真の能看懂~!)
  5. 用3个IO口控制6个LED灯,怎么做到的?查理复用!
  6. 【猪哥】Python爬虫入门系列
  7. mysql读取和写入的峰值_计算MySQL的内存峰值公式
  8. Android的CheckBox(多选框)
  9. 如何在SQL Server 2016中使用R合并和拆分CSV文件
  10. 华为回应美新规:不涉及产品买卖;微软 GitHub 帐户疑被黑;GCC 10.1 发布 | 极客头条...
  11. webStorm部分以及重要快捷键
  12. 客户服务器网络系统的优缺点,浅析网络存储方案的三种类型及其优缺点
  13. CSS学习笔记 -- Position(定位)
  14. MyEclipse 8.6.1下载|MyEclipse 8下载|MyEclipse 8.6.1官网下载
  15. 全国行政区划json数据包
  16. centos7双网卡上不了外网
  17. seo和sem的区别与联系
  18. 老男孩之《生日快乐》
  19. IOS 点击空白处隐藏键盘的几种方法
  20. css中的vw/vh与%

热门文章

  1. 网络协议系列一 - 基本认识
  2. Php使用ZipArchive打包下载文件、图片
  3. svn版本库的拆分及迁移子目录等
  4. ptp精准时间协议_PTP高精度时间同步协议
  5. Android 9.0 SystemUI 下拉状态栏快捷开关
  6. 微信公众平台开发——引言
  7. 菜鸟学JAVA之——常用类(StringBuffer、StringBuilder、Comparable、Comparator等)
  8. 薇电子学与计算机好中吗,微电子学与计算机是什么级别的期刊
  9. 中国大学慕课第8周测验
  10. A systems-biology model of the tumor necrosis factor (TNF) interactions with TNF receptor 1 and 2