一、研究背景
1.由于人工标注样本昂贵，许多工作致力于通过以下手段进行无监督行人重识别：
域自适应：对齐源域、目标域特征分布
风格转换：使用生成对抗网络转换源域图片风格，并维持源域图片身份
伪标签生成：通过聚类为目标域数据打伪标签
2.前两种方法作用于源域，第三种方法作用于目标域。
二、研究动机
1.相机内身份匹配比跨相机身份匹配要简单
2.具有泛化性的分类器可以降低域差异
3.相对于原始特征，分类概率对域差异更为鲁棒
三、研究目标
１.提升分类器的泛化性
２.利用鲁棒的分类值生成跨相机伪标签，减轻特征受相机和姿态的影响
四、技术路线
- 相机内聚类打伪标签，做分类损失
F \mathcal{F} F为分类器， m m m为分类标签， C C C为分类器数量
- 通过衡量分类器得分增强跨相机相似性
s n s_n sn为图片的分类器得分， Δ ( s m , s n ) \Delta(s_m,s_n) Δ(sm,sn)为来自同一身份的可能性
- 跨相机聚类打伪标签，做分类损失
- 自适应实例+批归一化
)