基于深度强化学习的两阶段显著性目标检测

来源 :电子测量与仪器学报 | 被引量 : 0次 | 上传用户：zgl_0251

【摘要】

：

为提高复杂场景下的显著性目标检测速度和精度,提出了一种基于深度强化学习的两阶段显著性目标检测方法。该算法由显著性区域定位网络(salient region localization network, SRLN)和显著性目标分割网络(salient object segmentation network, SOSN)组成,分别对应显著性区域定位阶段和显著性目标分割阶段。在显著性区域定位阶段,首次提出

【作者】

：

卢笑曹意宏周炫余王耀南

【机构】

：

湖南师范大学工程与设计学院,湖南师范大学基础教育大数据研究与应用重点实验室,湖南大学机器人视觉感知与控制技术国家工程实验室

【出处】

：

电子测量与仪器学报

【发表日期】

：

2021年06期

【关键词】

：

显著性目标检测深度强化学习马尔科夫决策过程卷积神经网络

【基金项目】

：

国家自然科学基金(62007007,61703155),湖南省自然科学基金(2018JJ3350,2018JJ3352)项目资助。

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

电磁目标知识图谱构建技术

鉴于电磁目标知识图谱属窄领域专业应用的行业知识图谱,剖析其构建数据源、数据提取要求、知识应用场景与通用型知识图谱的巨大差异。分析电磁目标知识图谱主要是提取领域内专业业务系统数据库、内部专业网站数据和文件情报资料,以及面向专业人员提供深度分析和辅助决策支持。提出以电磁目标高维画像、关联情报分析的形式服务于应用,并基于此探讨了电磁目标知识图谱构建方案及面临的关键技术,为类似行业知识图谱解决方案提供参考。

期刊

电磁目标大数据知识图谱行业图谱

基于快速ACE算法的视觉里程计图像增强方法

为提高同时定位与地图构建(simultaneous localization and mapping, SLAM)在室内定位的不同场景下的鲁棒性,应对室内场景纹理少,光线差等极端环境的挑战。通过利用改进快速自动彩色增强(automatic color enhancement, ACE)图像增强技术,优化定向FAST和旋转BRIEF(oriented FAST and rotated briEF,O

期刊

视觉里程计图像增强特征提取特征匹配

基于深度强化学习的两阶段显著性目标检测

其他学术论文