VisDA2020: 4th Visual Domain Adaptation Challenge

VisDA2020: 4th Visual Domain Adaptation Challenge

欢迎大家关注我们在ECCV2020举办的VisDA-2020比赛。今年的主题是open-set domain adaptation。为此,我们选取了Domain Adaptive Pedestrian Re-identification这一任务。竞赛的时间是五月到七月。

Codalab竞赛平台已经上线,欢迎来刷榜。

Evaluation Servercompetitions.codalab.org

目前集合已经发布,现在是Validation阶段,参赛队伍可以离线评估自己的算法。

竞赛报名通道将会一直开放,欢迎大家加入!感谢!

Top-3 队伍

今年的三个队伍都公开了代码和方法说明,欢迎点击!

https://github.com/Simon4Yan/VisDA2020_Code_From_Top_Teams/github.com

数据集合

针对该任务,我们收集了全新的数据集。其中,源域由合成数据构成,来源于PersonX [1]。目标域由真实数据构成,其分为target training, target validation, target test set。

数据集合的划分如下:

在训练中,只有personX和target training能够参与模型学习。target validation作为一个性能验证,不允许参与训练。每一张图像我们都提供了摄像头的序列号(因为这个信息获取相当直接、简单)。值得一提的是,target training中没有标注的人是未知的,体现在1)每个人(ID)出现的次数不确定(可能出现多次也可能只出现了一次),2) 每个人(ID)不保证都出现在了各个摄像头下。这和现在已有的设置[2]是很不一样的,并且我们认为这样的设定更合理。

此外,我们还提供了一个简洁的baseline来示意如何读取数据集合。数据集合和代码请点击

https://github.com/Simon4Yan/VisDA2020github.com

跨域方法

VisDA2020比赛的出发点是研究open-set [3-5]下的跨域问题。在比赛的设置中,源域和目标域的类别是不一致的。总结现有domain adaptive person re-ID的方法,可以大致分为三类,1)Image-level alignment,2)feature-level alignment,以及3) target label assignment。

希望更多针对该任务不一样且有效的方法被提出。

比赛奖金

  • 1st place: 1000 USD + Certificate
  • 2nd place: 600 USD + Certificate
  • 3rd place: 400 USD + Certificate

感谢腾讯YouTu Lab的支持,更多比赛信息请关注网站:

Visual Domain Adaptation Challengeai.bu.edu图标

参考文献

[1] Sun, Xiaoxiao, and Liang Zheng. "Dissecting person re-identification from the viewpoint of viewpoint." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019.

[2] W. Deng, et al. "Image-image domain adaptation with preserved self-similarity and domain-dissimilarity for person re-identification". Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018.

[3] Saito, Kuniaki, et al. "Universal Domain Adaptation through Self Supervision." arXiv preprint arXiv:2002.07953 (2020).

[4] You, Kaichao, et al. "Universal domain adaptation." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019.

[5] Saito, Kuniaki, et al. "Open set domain adaptation by backpropagation." Proceedings of the European Conference on Computer Vision (ECCV). 2018.

编辑于 08-25

文章被以下专栏收录