申请/专利权人：西北工业大学;上海人工智能创新中心

申请日：2023-12-20

公开（公告）日：2024-04-09

公开（公告）号：CN117853788A

主分类号：G06V10/764

分类号：G06V10/764;G06T7/593;G06V10/80;G06V10/40;G06V10/82;G06N3/0464;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本公开实施例是关于一种复杂环境下双目视觉建模的自适应深度强化学习方法。本公开实施例搭建了自适应的深度强化学习网络框架，并基于复杂场景下的共性先验知识设计了奖励机制reward。使得网络的鲁棒性和泛化能力得到了极大的提高；基于人脑视觉机制建模的注意力机制能够有效过滤特征图中权重较小的通道，使得网络将注意力聚焦真正影响最终智能体分类动作的通道上；远距离监督的方式降低了对于数据的过度依赖，提高了模型对于复杂场景下的泛化能力；轻便、简洁的强化学习网络结构减少了整体的参数量，提高了模型的运算速度；复杂场景下的共性先验知识提取为网络的训练起到了正反馈效果，促进网络的收敛，使得网络的损失逐步减小。

主权项：1.一种复杂环境下双目视觉建模的自适应深度强化学习方法，其特征在于，该方法包括：构建自适应的深度强化学习网络，并初始化所述深度强化学习网络的状态以及智能体的初始位置；其中，所述自适应的深度强化学习网络由7层卷积层以及3层全连接层串联构成；根据原始图像的左右视图计算所述原始图像中物体的深度信息，并将所述深度信息和所述原始图像输入至所述深度强化学习网络中的特征提取器中，分别提取到第一特征和第二特征；将所述第一特征和所述第二特征在通道维度进行拼接，以得到结合所述深度信息的融合特征；利用嵌入了组归一化模块的VGGNet-16将所述融合特征扩展为多层级联的通道数特征，通过自注意力机制对所述通道数特征的通道重新赋权，以得到自注意力特征，并计算被检测出的物体的尺寸相似度，与所述被检测出的物体对应的reward，更新所述智能体状态；对所述自注意力特征进行构建特征金字塔结构，并经过检测头获得最终的鸟瞰检测结果，迭代更新所述智能体的位置，直到达到终止条件。

全文数据：

权利要求：

百度查询： 西北工业大学;上海人工智能创新中心 一种复杂环境下双目视觉建模的自适应深度强化学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD