VALSE 论文速览 第69期：双重噪声标签学习

论文题目：Learning with Twin Noisy Labels for Visible-Infrared Person Re-Identification

作者列表：杨谋星 (四川大学)，黄振宇 (四川大学)，胡鹏 (四川大学)，李太豪 (之江实验室)，吕建成 (四川大学)，彭玺 (四川大学)

B站观看网址：

https://www.bilibili.com/video/BV1bS4y1h7k3/

论文摘要：

本文揭示和研究了可见光-红外行人重识别 (VI-ReID)任务中的一个新问题，即孪生噪声标签 (Twin Noisy Labels，TNL)。简言之，给定行人的可见光 (或红外)相机照片，VI-ReID旨在从数据库匹配出该行人的红外 (或可见光)照片。一个流行的VI-ReID范式是利用行人标注提高不同行人间判别性，同时构建跨模态正负样本对并进行跨模态学习以缩减模态间鸿沟。由于红外模态下的识别度较差，行人训练数据中将不可避免地存在一些噪声标注 (Noisy Annotation，NA)。我们发现，这些NA将进一步导致所构建的跨模态正负样本呈现噪声关联 (Noisy Correspondence，NC)。换言之，VI-ReID任务将面临孪生噪声标签挑战。针对该挑战，本文提出了一种新的鲁棒VI-ReID方法，名为双重鲁棒训练 (DuAlly Robust Training，DART)，其首先利用神经网络的记忆效用来计算标注的置信度。基于置信度，DART将跨模态正负样本分为不同子集并进一步校正其中的关联。最后，DART利用所设计的双重鲁棒损失函数来实现对孪生噪声标签鲁棒的跨模态行人重识别。大量的实验验证了所提出方法对孪生噪声标签的鲁棒性。

论文信息：

[1] Mouxing Yang, Zhenyu Huang, Peng Hu, Taihao Li, Jiancheng Lv, Xi Peng*, Learning with Twin Noisy Labels for Visible-Infrared Person Re-Identification, IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), New Orleans, LA. Jun. 19-25, 2022

论文链接：

[http://pengxi.me/publications/]

代码链接：

[https://github.com/XLearning-SCU/2022-CVPR-DART]

视频讲者简介：

杨谋星，四川大学计算机学院研究生，导师为彭玺教授，研究方向为多模态学习与噪声关联学习，目前已在CCF A类期刊和会议TPAMI、CVPR上发表论文。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：文碧汉 (南洋理工大学)、杨文瀚 (南洋理工大学)

季度责任AC：魏秀参 (南京理工大学)