CASIA OpenIR  > 模式识别国家重点实验室  > 视频内容安全
Unsupervised Cross-Dataset Transfer Learning for Person Re-identification
Peng PX(彭佩玺)1; Tao Xiang3; Wang YW(王耀威)4; Massimiliano Pontil2; Huang TJ(黄铁军)1; Tian YH(田永鸿)1
2016
会议名称Computer Vision & Pattern Recognition
会议日期2016 .07
会议地点Las Vegas, NV, USA
摘要Most existing person re-identification (Re-ID) approaches follow a supervised learning framework, in which a large number of labelled matching pairs are required for training. This severely limits their scalability in realworld applications. To overcome this limitation, we develop a novel cross-dataset transfer learning approach to learn a discriminative representation. It is unsupervised in the sense that the target dataset is completely unlabelled. Specifically, we present an multi-task dictionary learning method which is able to learn a dataset-shared but targetdata-biased representation. Experimental results on five benchmark datasets demonstrate that the method significantly outperforms the state-of-the-art.
文献类型会议论文
条目标识符http://ir.ia.ac.cn/handle/173211/20219
专题模式识别国家重点实验室_视频内容安全
作者单位1.北京大学
2.University College London
3.Queen Mary, Univ. of London,
4.北京理工大学
推荐引用方式
GB/T 7714
Peng PX,Tao Xiang,Wang YW,et al. Unsupervised Cross-Dataset Transfer Learning for Person Re-identification[C],2016.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
UnsupervisedCross-Da(349KB)会议论文 开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[Peng PX(彭佩玺)]的文章
[Tao Xiang]的文章
[Wang YW(王耀威)]的文章
百度学术
百度学术中相似的文章
[Peng PX(彭佩玺)]的文章
[Tao Xiang]的文章
[Wang YW(王耀威)]的文章
必应学术
必应学术中相似的文章
[Peng PX(彭佩玺)]的文章
[Tao Xiang]的文章
[Wang YW(王耀威)]的文章
相关权益政策
暂无数据
收藏/分享
文件名: UnsupervisedCross-DatasetTransferLearningforPersonRe-identification.pdf
格式: Adobe PDF
此文件暂不支持浏览
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。