基于正则化约束的半监督行人重识别方法

为了降低监督学习需要大量高质量带标签数据的影响,提出了一种基于正则化约束的半监督行人重识别方法.该方法构造出相同初始化参数的双模型网络,即教师网络和学生网络.在训练过程中随机使用部分有标签数据和大量无标签数据作为双模型的输入,同时利用正则化对双模型网络的参数进行约束,使其对于同一个有标签或无标签输入数据的输出结果保持一致.在此基础上,教师网络利用随机梯度下降法优化得到其所需参数,学生网络则利用教师网络优化过的参数进行权重加权移动平均迭代得到其所需参数.实验结果表明,该方法在利用部分有标签和大量无标签组成的market1501数据集上的Rank-1和mAP比原ABD-Net方法的Rank-1和mAP均有提高,证明了该算法在少量有标签下的学习具有有效性.