基于强化学习的目标检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文研究的背景及意义 | 第10-11页 |
| 1.2 目标检测技术的国内外研究现状 | 第11-14页 |
| 1.2.1 基于传统方法的目标检测算法 | 第11-12页 |
| 1.2.2 基于深度学习的目标检测算法 | 第12-13页 |
| 1.2.3 基于深度强化学习的目标检测算法 | 第13-14页 |
| 1.3 本文的主要内容和结构 | 第14-16页 |
| 第2章 深度强化学习基础 | 第16-31页 |
| 2.1 强化学习 | 第16-21页 |
| 2.1.1 强化学习组成部分 | 第17-18页 |
| 2.1.1.1 策略 | 第17页 |
| 2.1.1.2 奖赏 | 第17-18页 |
| 2.1.1.3 价值函数 | 第18页 |
| 2.1.1.4 环境模型 | 第18页 |
| 2.1.2 马尔可夫决策过程 | 第18-21页 |
| 2.2 深度学习 | 第21-25页 |
| 2.2.1 神经元 | 第21-22页 |
| 2.2.2 误差反向传播算法 | 第22-24页 |
| 2.2.3 深度学习 | 第24-25页 |
| 2.3 深度强化学习 | 第25-30页 |
| 2.3.1 深度学习与强化学习的结合 | 第25-26页 |
| 2.3.2 DQN模型 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 联合边框回归的深度强化学习目标检测算法 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 联合回归网络的深度强化学习目标检测 | 第31-35页 |
| 3.2.1 MDP建模 | 第32-34页 |
| 3.2.2 损失函数 | 第34页 |
| 3.2.3 模型训练 | 第34-35页 |
| 3.3 实验及结果分析 | 第35-38页 |
| 3.3.1 实验平台及参数设定 | 第35页 |
| 3.3.2 实验结果与分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于多层特征与深度强化学习目标检测算法 | 第39-51页 |
| 4.1 引言 | 第39-40页 |
| 4.2 多层特征提取 | 第40-41页 |
| 4.3 强化学习建模 | 第41-42页 |
| 4.3.1 行动 | 第41-42页 |
| 4.3.2 状态 | 第42页 |
| 4.3.3 奖赏 | 第42页 |
| 4.4 深度强化学习与多层特征的融合 | 第42-46页 |
| 4.4.1 改进的经验池 | 第43页 |
| 4.4.2 目标函数 | 第43-44页 |
| 4.4.3 模型架构 | 第44-46页 |
| 4.5 实验仿真及结果分析 | 第46-49页 |
| 4.5.1 实验平台及参数设定 | 第46页 |
| 4.5.2 实验结果 | 第46-48页 |
| 4.5.3 误差分析 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
