基于强化学习的端到端主动目标跟踪
计算机视觉与模式识别
2018-06-04 v3
摘要
我们研究主动目标跟踪，其中跟踪器以视觉观测（即帧序列）为输入，并产生相机控制信号（例如，前进、左转等）。传统方法将跟踪与相机控制分开处理，联合调优颇具挑战，且在现实世界中需要大量人工标注和昂贵的试错。为解决这些问题，本文提出一种基于深度强化学习的端到端解决方案，采用ConvNet-LSTM函数逼近器进行直接的帧到动作预测。我们进一步提出环境增强技术和定制奖励函数，这对成功训练至关重要。在模拟器（ViZDoom、Unreal Engine）中训练的跟踪器在未见过的目标移动路径、未见过的目标外观、未见过的背景以及干扰目标的情况下表现出良好的泛化能力。当偶尔丢失目标时，它能恢复跟踪。通过在VOT数据集上的实验，我们还发现，仅从模拟器获得的跟踪能力有可能迁移到真实世界场景。
引用
@article{arxiv.1705.10561,
title = {End-to-end Active Object Tracking via Reinforcement Learning},
author = {Wenhan Luo and Peng Sun and Fangwei Zhong and Wei Liu and Tong Zhang and Yizhou Wang},
journal= {arXiv preprint arXiv:1705.10561},
year = {2018}
}
备注
To appear in ICML2018