本發明公布了一種基于深度強化學習的Faster?RCNN目標物體檢測方法,采用深度強化學習的經驗池保存每個時刻的區域建議網絡RPN的狀態,采用卷積門控循環單元輸出兩個動作,采用隨機策略選擇執行相應的動作,同時采用自定義的非極大值抑制方法去除冗余的檢測框,獲得與標注框最接近的檢測框;采用分類網絡對檢測框進行分類,對檢測框進行二次回歸,實現對目標物體的檢測與識別。采用本發明技術方案,目標定位準確,目標檢測精度高。
聲明:
“基于深度強化學習的Faster-RCNN目標物體檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)