面向隐私保护的联邦域泛化行人重识别方法

• 全文链接
• 请求原文

作   者：

彭锦佳;  宋鹏鹏;  王辉兵; 

作者机构：

大连海事大学信息科学技术学院;  河北大学网络空间安全与计算机学院; 

关键词：

对齐学习;  数据隐私;  联邦学习;  行人重识别;  域泛化; 

期刊名称：

模式识别与人工智能

i s s n：

1003-6059

年卷期：

2023 年 36 卷 007 期

页   码：

634-646

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.