Multi-pseudo Regularized Label for Generated Samples in Person Re-Identification（多伪正则化标签(MpRL)、GAN）

类别（Reid、GAN、semi-supervised ） 主要思想：由vanilla GAN生成的样品通常没有标签。因此，本文提出了一个称为多伪正则化标签(MpRL)的虚拟标签，并将其分配给生成的图像。 考虑到生成样本和原始样本的区别，MpRL使用了不同的预定义训练类（trainning class）的贡献。基于贡献的虚拟标签被自动分配到生成的样本中，以减少训练中的模糊预测。与此同时，MpRL只

>>阅读原文<<