DASHA：基于分层智能体的去中心化自动对焦系统
计算机视觉与模式识别
2022-02-03 v2
摘要
最先进的目标检测模型通常使用可用数据集（如 ImageNet）离线训练：这些数据量大且过度多样、不平衡且难以在语义上聚类。若光照、环境条件（如降雨）或镜头定位（离焦模糊）发生变化，此类训练会降低目标检测性能。我们提出一种去中心化分层多智能体深度强化学习方法，用于智能控制相机与镜头对焦设置，相较主流检测模型（考虑了 YOLO、Faster R-CNN 和 Retina）的能力取得显著提升。该算法依赖于相机码流的潜在表示，因此是首个实现完全无参考相机调参的方法，系统可自我训练以实现自动对焦。
引用
@article{arxiv.2108.12842,
title = {DASHA: Decentralized Autofocusing System with Hierarchical Agents},
author = {Anna Anikina and Oleg Y. Rogov and Dmitry V. Dylov},
journal= {arXiv preprint arXiv:2108.12842},
year = {2022}
}