软件学报

作者：祁磊，于沛泽，高阳

单位：祁磊，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002311,于沛泽，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002302,高阳，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002303

关键词：行人重识别;半监督学习;无监督学习;深度学习;人工智能

近年来，随着智能监控领域的不断发展，行人重识别问题逐渐受到学术界和工业界的广泛关注，其主要研究将不同摄像头下相同身份的行人图像进行关联.当前，大部分研究工作关注在有监督场景下，即给定的训练数据都存在标记信息，然而考虑到数据标注工作的高成本，这在现实应用中往往是难以拓展的.关注于弱监督场景下的行人重识别算法，包括无监督场景和半监督场景，并且对当前先进的方法进行了分类和描述.对于无监督场景的行人重识别算法，根据其技术类型划分为5类，分别为基于伪标记的方法、基于图像生成的方法、基于实例分类的方法、基于领域自适应的方法和其他方法；对于半监督场景的行人重识别方法，根据其场景类型划分为4类，分别为少量的人有标记的场景、每一个人有少量标记的场景、基于tracklet的学习的场景和摄像头内有标记但摄像头间无标记的场景.最后，对当前行人重识别的相关数据集进行了整理，并对现有的弱监督方法的实验结果进行分析与总结.

来源：2020年第9期

《软件学报》期刊编辑部

查看软件学报杂志2020年第9期