Lifelong Person Re-Identification via Adaptive Knowledge Accumulation

Abstract

提出LReID，設計了Adaptive Knowledge Accumulation框架：知識表示和知識操作能力。相比于其他競爭對手的性能好5.8%mAP

Introduction

目前的深度學習方法訓練過程收到固定數據集的嚴重限制，為了克服，提出了終生學習的方法。與傳統的終生學習不同，1.LReID進一步考慮在未學習過域上的泛化能力。2.其次，LReID更關注細粒度，其數據集的類間外觀變化明顯小于傳統的增量學習數據集，如CIFAR-100，ImageNet等。提出AKA框架解決問題。

Related Work

相關工作較少，現有的工作由于由于訓練集和測試集之間的領域差距相對較小，因此它們的設置在保持所學知識的同時提高泛化能力方面的挑戰性較小。

Lifelong Person Re-Identification

數據集為其中Dtr為訓練圖片和標簽。
為測試圖片和標簽。
訓練集和測試集是不相關的，也就是測試集中的人是沒有出現在訓練集中的，在第t個培訓步驟中，只有可用，以前域中的數據不再可用。

Adaptive Knowledge Accumulation

Knowledge Representation

其中為一個完全連通圖，AS代表邊，VS代表頂點。

AKG與其相似，其計算如下：

那么如果把 gs.看成一道道題，那么通過題得到的知識積累起來的結果，我們把其看成 gk.

Knowledge Operation

進一步將“操作”分解為知識轉移和知識積累。
知識轉移：我們通過在基于原型的關系圖和知識圖之間創建鏈接來連接gs與gk，其。
AC通過以下式子來計算：
gj為一個連接圖，其公式如下，代表積累知識與當前知識：

將兩者通過圖卷積網絡連接起來：

通過該操作可以將當前知識融合到積累知識中去。我們現在只需要獲取了積累知識的當前領域知識，也就是 。
之后融合兩個當前領域知識（一個獲取了累計的知識，一個未獲取）。

之后進行一個三元組損失，希望融合的知識有個較好得改變（較好的改變也就是希望 比好，也就是希望
能夠積累好的知識，用于改變 得到好的 ，這部分就會指導 獲得好的積累知識！

希望積累好的知識讓新任務變得更好，但同時也希望通過新任務更新后的積累知識應該與更新前的積累知識差的不是特別多，可以有改變，但是不能改的太多。否則就會造成災難性遺忘，因此再添加一個損失函數。

總體損失函數為：

單詞

performed 執行，表演（perform的過去分詞形式）
exploit 開發，開拓；剝削；開采
distillation 蒸餾，凈化；[化工]蒸餾法；精華，蒸餾物
vertices n. 至高點；天頂；頭頂（vertex的復數）
vertex n. 頂點；[昆] 頭頂；[天] 天頂
leverage n. 手段，影響力；杠桿作用；杠桿效率
aggregate n. 合計；集合體；總計；集料
adj. 聚合的；集合的；合計的
v. 集合；聚集；合計
utilize v. 利用
Motivated adj. 有動機的；有積極性的
vt. 使產生動機；激發……的積極性（motivate 的過去式和過去分詞）
propagate v. 散播，宣傳（觀點、信仰等）；傳播（運動、光 線、聲音等）；（動植物等）繁殖，使繁殖
vi. 繁殖；增殖
retrieval n. 找回，取回；（計算機系統信息的）檢索；恢復，挽回

總結

以上是生活随笔為你收集整理的Lifelong Person Re-Identification via Adaptive Knowledge Accumulation论文笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。