多样化深度特征集成学习在全领域通用人脸重识别中的应用
发表于: 。本研究针对传统单领域监督的人脸重识别(Person ReID)在跨数据集训练和测试时性能显著下降的问题,通过提出多样化深度特征集成学习(D2FEL)方法来实现全领域通用人脸重识别(ODG-ReID)。该方法通过自我集成生成多样化视图,显著提升了性能,使其在主要的领域通用化和单领域监督基准上达到了当前最先进的方法水平。
本研究针对传统单领域监督的人脸重识别(Person ReID)在跨数据集训练和测试时性能显著下降的问题,通过提出多样化深度特征集成学习(D2FEL)方法来实现全领域通用人脸重识别(ODG-ReID)。该方法通过自我集成生成多样化视图,显著提升了性能,使其在主要的领域通用化和单领域监督基准上达到了当前最先进的方法水平。