面向隐私保护的联邦域泛化行人重识别方法 |
| |
引用本文: | 彭锦佳,宋鹏鹏,王辉兵.面向隐私保护的联邦域泛化行人重识别方法[J].模式识别与人工智能,2023(7):634-646. |
| |
作者姓名: | 彭锦佳 宋鹏鹏 王辉兵 |
| |
作者单位: | 1. 河北大学网络空间安全与计算机学院;2. 大连海事大学信息科学技术学院 |
| |
基金项目: | 河北省自然科学基金项目(No.F2022201009);;河北省高等学校科学技术研究项目(No.QN2023186); |
| |
摘 要: | 行人重识别旨在从不同的摄像头中识别目标行人的图像.由于不同场景之间存在域偏差,在一个场景中训练好的重识别模型常常无法直接应用在另一个场景,并且从摄像头收集的数据通常包含敏感的个人信息,而现有的大部分重识别方法通常需要训练数据的集中化,这可能会带来隐私泄露问题.因此,文中提出面向隐私保护的联邦域泛化行人重识别方法(Federated Domain Generalization Person Re-identification with Privacy Preserving, PFReID),在保护行人隐私的前提下,从独立的多个非共享数据域中学习泛化模型.使用频域空间插值的方法平滑各个客户端在数据集上的域偏差,增加样本的多样性,提高各客户端模型的泛化性能.在客户端构建双分支对齐学习网络,保证客户端局部模型和全局模型学习表示的一致性,用于客户端局部模型的更新.在多个公开行人数据集上的实验验证PFReID的性能较优.
|
关 键 词: | 行人重识别 域泛化 联邦学习 数据隐私 对齐学习 |
|
|