基于回归与深度强化学习的目标检测算法

• 作者: 舒朗 郭春生
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 目标检测 强化学习 深度学习 回归网络
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法与语言
• 页码范围: 56-60,封2
• 页数: 6页
• 分类号: TP312
• 字数: 4170字
• 语种: 中文
• DOI: 10.11907/rjdk.181687

摘要

基于强化学习的目标检测算法在检测过程中通常采用预定义搜索行为,其产生的候选区域形状和尺寸变化单一,导致目标检测精确度较低.为此,在基于深度强化学习的视觉目标检测算法基础上,提出联合回归与深度强化学习的目标检测算法.首先,深度强化学习agent根据初始候选区域所提取的信息决定相应搜索行动,根据行动选择下一个逼近真实目标的候选区域;然后,重复上述过程,直至agent能确定当前区域为目标区域时终止搜索过程;最后,由回归网络对当前区域坐标进行回归,达到精确定位目的.实验结果显示,在单类别目标检测中,与原算法相比其精度提高了5.4％,表明通过引入回归有效提高了目标检测精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭春生	杭州电子科技大学通信工程学院	48	240	8.0	14.0
2	舒朗	杭州电子科技大学通信工程学院	1	2	1.0	1.0