-
公开(公告)号：CN113449458A
公开(公告)日：2021-09-28
申请号：CN202110798780.9
申请日：2021-07-15
Applicant: 海南大学
IPC: G06F30/25 , G06F30/27 , G06N3/00 , G06N20/00 , G06F111/04
Abstract: 本发明提供一种基于课程学习的多智能体深度确定性策略梯度方法，将课程学习与强化学习结合在一起，在通过经验回放池采样时，根据课程标准复杂度从经验回放池中按照优先权重采样数据，然后采用基于Adam优化器的深度确定性策略梯度方法对每个智能体进行训练，并更新策略网络、策略目标网络、评价网络以及评价目标网络，当多智能体在环境内动作的下一个状态不是终止状态时，对课程标准进行更新，根据更加复杂的课程重复进行迭代计算，课程标准中包含的优先标准函数反映样本的采样优先权重，重复采样惩罚考虑重复采样对样本多样性的影响，冗余信息惩罚可以降低智能体之间交互的信息冗余量，与其他算法相比，本发明提高了算法的收敛效率和最终奖励。
-
公开(公告)号：CN117036990A
公开(公告)日：2023-11-10
申请号：CN202310789016.4
申请日：2023-06-29
Applicant: 海南大学
IPC: G06V20/17 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种无人机视角物体检测方法、装置及存储介质，其中方法包括以下步骤：获取由无人机拍摄的图像，制作航拍目标数据集；将数据集放入预处理容器进行预处理操作，实现数据增强；使用改进CSPDarknet53为骨干网络对数据集进行特征提取，骨干网络的最后一层为Soft‑SPPF结构；根据骨干网络的特征提取结果，利用引入PVTM模块的路径聚合网络PANet，对多层次特征信息进行融合，其中，PVTM模块包括依次连接的层归一化结构、空间缩减注意力操作SRA模块和MLP结构；根据融合信息对多尺度的物体进行检测，得到航拍目标的检测结果。与现有技术相比，本发明具有检测精度高等优点。
-
公开(公告)号：CN115861365B
公开(公告)日：2023-08-15
申请号：CN202211240698.5
申请日：2022-10-11
Applicant: 海南大学
Abstract: 本方案涉及一种运动目标检测方法、系统、计算机设备及存储介质。所述方法包括：获取实时采集的视频帧生成显著图；对显著图进行二值化处理，并提取出视觉显著区域；在视觉显著区域内提取潜在运动目标的特征角点，并计算特征角点相位差，得到运动目标感知结果，建立背景数据集，从中提取出运动目标，并将运动目标的二值化图作为检测结果。通过提取视觉显著区域，进而算特征角点相位差，从而得到运动目标感知结果，运动目标感知是自上而下的提供运动目标可能性信息，能够解决传统背景相减法中动态背景造成的干扰，利用运动感知结果能够有目的的在背景相减法中进行背景更新，提升背景数据集的准确性，从而提高运动目标检测的准确定和有效性。
-
公开(公告)号：CN115861365A
公开(公告)日：2023-03-28
申请号：CN202211240698.5
申请日：2022-10-11
Applicant: 海南大学
Abstract: 本方案涉及一种运动目标检测方法、系统、计算机设备及存储介质。所述方法包括：获取实时采集的视频帧生成显著图；对显著图进行二值化处理，并提取出视觉显著区域；在视觉显著区域内提取潜在运动目标的特征角点，并计算特征角点相位差，得到运动目标感知结果，建立背景数据集，从中提取出运动目标，并将运动目标的二值化图作为检测结果。通过提取视觉显著区域，进而算特征角点相位差，从而得到运动目标感知结果，运动目标感知是自上而下的提供运动目标可能性信息，能够解决传统背景相减法中动态背景造成的干扰，利用运动感知结果能够有目的的在背景相减法中进行背景更新，提升背景数据集的准确性，从而提高运动目标检测的准确定和有效性。
-
-
-
Search Results
4
records
(took 0.02 seconds)
