一种基于深度强化学习的交通场景目标检测算法
计算机视觉与模式识别
2023-12-27 v1
摘要
本研究提出了一种利用深度强化学习的新型主动检测模型，以准确检测现实场景中的交通物体。该模型采用基于 LSTM-CNN 的深度 Q 网络，通过实施自上而下的方法并高效提取环境特征，来识别并对齐特定类别的交通物体目标区域。该模型整合了历史与当前的动作及观测数据以进行全面分析。状态空间和奖励函数的设计考虑了时间步长的影响，使模型能够在更少的步骤内完成任务。进行的测试证明了该模型的熟练程度，在定位交通信号灯和限速标志方面表现出卓越的精度和性能。本研究的结果突显了基于深度强化学习的主动检测模型在交通相关应用中的有效性和潜力，强调了其强大的检测能力和令人期待的性能表现。
引用
@article{arxiv.2312.15606,
title = {A Target Detection Algorithm in Traffic Scenes Based on Deep Reinforcement Learning},
author = {Xinyu Ren and Ruixuan Wang},
journal= {arXiv preprint arXiv:2312.15606},
year = {2023}
}
备注
14 pages, 4 figures, having passed the preliminary review by experts, about to be submitted to a relevant conference