使用增强学习训练多焦点聚焦模型

• 作者: 刘勤让 刘畅
• 来源期刊: 自动化学报
• 关键词: 深度学习 聚焦模型 增强学习 多焦点
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1563-1570
• 页数: 8页
• 字数: 6678字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160643

摘要

聚焦模型(Attention model,AM)将计算资源集中于输入数据特定区域,相比卷积神经网络,AM具有参数少、计算量独立输入和高噪声下正确率较高等优点.相对于输入图像和识别目标,聚焦区域通常较小;如果聚焦区域过小,就会导致过多的迭代次数,降低了效率,也难以在同一输入中寻找多个目标.因此本文提出多焦点聚焦模型,同时对多处并行聚焦.使用增强学习(Reinforce learning,RL)进行训练,将所有焦点的行为统一评分训练.与单焦点聚焦模型相比,训练速度和识别速度提高了25％.同时本模型具有较高的通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘勤让		58	257	9.0	13.0
2	刘畅		1	0	0.0	0.0