基于双状态 Q 学习的强化学习图像分类
计算机视觉与模式识别
2020-11-03 v3 机器学习
图像与视频处理
摘要
本文提出了一种简单高效的混合分类器，它基于深度学习和强化学习。这里，Q 学习被用于具有两个状态和“两个或三个”动作的场景。文献中发现的其他技术使用从卷积神经网络提取的特征图，并将其与过去的历史一起用于 Q 状态。由于特征图的高维度，这些方法中的状态数量很大，从而导致技术困难。因为所提出的技术仅使用两个 Q 状态，所以它简单直接，因此优化参数的数量少得多，并且奖励函数也很简单。此外，与文献中发现的其他技术相比，所提出的技术使用了新颖的动作来处理图像。我们在包括 ImageNet、Cats and Dogs 数据集和 Caltech-101 数据集在内的流行数据库上，将所提出技术的性能与 ResNet50、InceptionV3 等其他近期算法进行了比较。所提出的方法在所有使用的数据集上均优于其他技术。
引用
@article{arxiv.2007.01298,
title = {Image Classification by Reinforcement Learning with Two-State Q-Learning},
author = {Abdul Mueed Hafiz},
journal= {arXiv preprint arXiv:2007.01298},
year = {2020}
}
备注
HICO-2021 Camera Ready Paper