Multi-pseudo Regularized Label for Generated Samples in Person Re-Identification（多僞正則化標籤(MpRL)、GAN）

類別（Reid、GAN、semi-supervised ） 主要思想：由vanilla GAN生成的樣品通常沒有標籤。因此，本文提出了一個稱爲多僞正則化標籤(MpRL)的虛擬標籤，並將其分配給生成的圖像。 考慮到生成樣本和原始樣本的區別，MpRL使用了不同的預定義訓練類（trainning class）的貢獻。基於貢獻的虛擬標籤被自動分配到生成的樣本中，以減少訓練中的模糊預測。與此同時，MpRL只

>>阅读原文<<