基于深度强化学习的道路目标检测

来源 :现代计算机 | 被引量 : 1次 | 上传用户:hhrs918
下载到本地 , 更方便阅读
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
道路目标检测是高级驾驶员辅助系统(Advanced Driver Assistant System,ADAS)道路场景分析中的重要一环。提高目标检测的效率和速度,对图像目标的检测和识别具有重要的现实意义。深度强化学习是近年来兴起的一种多层结构的神经网络与具有决策能力的强化学习相结合的一种算法,通过端对端的学习方式来直接控制输入和输出。从提出此方法至今,深度强化学习已经有了实质性的突破。但是仍然有不足之处,因此提出一种改进的基于深度强化学习的检测算法,并将此算法用于道路目标检测。测试结果表明,该算法具
其他文献
研究盐胁迫下外源Ca^2+、Ca^2+螯合剂EGTA和Ca M拮抗剂TFP对巴西蕉(Musa AAA Cavendish var.Brazil)幼苗膜脂过氧化和抗氧化酶的影响。结果表明,EGTA及TFP处理阻碍Ca^2+·Ca M
首先对常用的几种话音编解码方式进行分析,然后主要介绍CVSD编码的工作原理及其优缺点,并对CML公司开发的基于CVSD编码的语音编码芯片CMX649芯片的特点和应用方式进行介绍。
针对当前高校项目评审过程中存在的问题,探讨一种基于数据挖掘的高校教育教学改革项目评审机制,该评审机制通过分类、聚类和关联分析等数据挖掘方法实现专家动态调整、学科领
影响最大化问题是社会影响分析中的一个重点研究内容。具体问题是如何从社交网络图中寻找k个初始节点开始传播信息,使得信息的最终传播范围最广。由于影响最大化可以应用于许
近年来,无人机被应用在越来越多的领域,尤其是在军事和民用领域。机场中由于无人机的误飞,会对客机的运行造成严重影响,从而威胁人们的生命财产安全。因此,如何高效精准地检测出机场中飞行的无人机至关重要。无人机目标检测是一个具有挑战性的问题。基于构建的无人机目标检测数据集,提出基于感受野的无人机目标检测算法。实验和主流方法做对比和分析,结果表明算法能取得较好的检测效果。
随着各行业应用场景和相关研究领域对无人机自主飞控能力的需求,无人机航迹规划成为当下的研究热门。在搜索算法中,蚁群算法作为一种全局搜索能力强、适应性强、易结合的智能算法,可作为无人机航迹规划研究的核心算法。通过对蚁群算法原理和模型的分析,再结合栅格法对路径空间进行划分原则,将无人机航迹规划模型的规划空间进行描述,最终得到基于蚁群算法的最优无人机航迹仿真结果。
异质信息网络蕴含丰富的语义信息和多样的结构关系,这给链路预测带来新方向的同时也因其特点增加研究难度。针对如何将链路预测应用于异质信息网络的问题,提出一种通过元路径
利用野桑蚕和家蚕地方种质资源,采用杂交、自交分离和系统选育的方法,创制出一批幼虫斑纹限性、茧色天然彩色的育种素材,丰富了家蚕新品种培育的亲本选择。结果表明,幼虫斑纹
漏洞分析、自动化攻防对漏洞利用自动生成的需求越来越迫切,在分析现有方案的基础上,结合动态分析、混合符号执行等技术,提出基于Crash的漏洞利用自动生成方法C-Rex。该方法