少样本行人重识别研究综述

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：闫铭, 李雷孝, 林浩, 史建平, 平灿

单位：1.内蒙古工业大学 数据科学与应用学院，呼和浩特 010080；2.内蒙古自治区北疆网络空间安全重点实验室，呼和浩特 010080；3.内蒙古自治区基于大数据的软件服务工程技术研究中心，呼和浩特 010080；4.天津理工大学 计算机科学与工程学院，天津 300384；5.鄂尔多斯市市民卡建设有限公司，内蒙古 鄂尔多斯 017099

摘要：行人重识别任务通常依赖于大规模标注数据。然而，在少样本场景中，标注数据的有限性导致模型难以充分学习到类别间的判别性特征。为应对这一挑战，研究者们提出了多种方法以提升模型在数据匮乏条件下的性能表现。根据所需标注数据的依赖程度，相关研究可以归纳为以下四个主要类别：有监督学习的方法、基于弱监督学习的方法、基于半监督学习的方法、基于无监督学习的方法。随着对标注数据依赖的逐渐降低，行人重识别领域呈现出从有监督学习到无监督学习的技术发展趋势。系统性地总结了当前在数据集和评估指标上的研究现状，并对未来可能的研究方向进行了展望。

关键词：行人重识别（ReID）,少样本学习,目标检测,图像识别