多任务学习用于体育视觉追踪中的联合再识别、团队归属和角色分类
原文中文，约200字，阅读约需1分钟。发表于：。提出了一种名为 PRTreID 的多功能基于部分的人物表示方法，用于追踪、重新识别并同时执行角色分类、团队关联和重新识别任务，此方法通过多任务学习得到更丰富、更有区分性的表示，并成功地应用于处理长期追踪的足球视频数据集（SoccerNet tracking dataset），在效果上超过了现有的所有追踪方法。
本文提出了一种无监督的深度学习人物再识别方法 (UTAL)，通过联合学习内部相机移动轨迹的差异性和跨相机移动轨迹的关联性，能够从自动生成的人物运动轨迹数据中逐步发现和利用基础重识别差异性信息。实验结果表明该方法在八个基准数据集上优于当前最先进的无监督学习和领域自适应的人物再识别方法。
