Multi-level mutual supervision for cross-domain Person Re-identification

跨域行人重识别面临的挑战主要来自两个方面：1) 目标数据标签缺失；2) 源域与目标域之间的偏差。大多数现有研究只关注上述两个问题中的一个，或者将其分开处理。本文提出了一种新的方法，称为多层互监督，旨在充分利用有标签的源数据和无标签的目标数据。在这一方法中，我们构建了一个双支路框架，上支路使用原始源数据和目标数据进行训练，而下支路则使用增强的源数据和目标数据进行训练。通过在我们的框架中应用公共伪标签和最大均值差异（MMD）损失，实现了多层次的互监督。结果表明，我们的模型在多个流行基准数据集上达到了最先进的性能