基于深度强化学习的主动目标定位
计算机视觉与模式识别
2015-11-20 v1
摘要
我们提出了一种用于在场景中定位目标的主动检测模型。该模型是特定类别的，允许智能体将注意力集中在候选区域上，以识别目标物体的正确位置。该智能体学习使用简单的变换动作变形边界框，目标是遵循自上而下的推理确定目标物体的最具体位置。所提出的定位智能体使用深度强化学习进行训练，并在 Pascal VOC 2007 数据集上进行评估。我们表明，由所提出模型引导的智能体在仅分析图像中 11 到 25 个区域后即可定位物体的单个实例，并在不使用 object proposals 进行目标定位的系统中获得了最佳检测结果。
关键词
引用
@article{arxiv.1511.06015,
title = {Active Object Localization with Deep Reinforcement Learning},
author = {Juan C. Caicedo and Svetlana Lazebnik},
journal= {arXiv preprint arXiv:1511.06015},
year = {2015}
}
备注
IEEE ICCV 2015