qq_39245207的博客

清华大学的鲁继文等人[i]做了一个使用深度强化学习做的关于视频人脸识别的模型。将视频的注意力发现过程转化为马尔科夫决策过程，并通过深度强化学习框架训练注意力模型，不使用额外的标签。然而，视频人脸通常会出现不受控制的姿势、光照等变化，导致类内距离变大。一些特征会误导和混淆，使得低质量的帧可能会影响识别的性能。 要做的事情：YouTube Video Faces是用来做人脸验证的。在这个数...

是中山大学的学者所做的工作。1.要做的事情使用DRL做多标签的图像识别‘2.网络结构states：current region 的特征；reward：分类的正确与否；action：寻找attention local，且在attention区域进行分类；3. 过程首先，将原始图片输入进一个VGG16的卷积层的网络（如下图），得到feature map 。然后经...

1. 任务进行图像识别2. 网络 图A3. 网络中的细节3.1 名词解释为location。gt为glimpse vector。ht-1是internal state。at是action，有两个作用：通过感知控制下一时刻lt来决定如何布置感知器；一个可能会影响环境状态的环境的作at。3.2 glimpse vector         图一  图...

1. 数据集PASCAL VOC 20122. 网络检测整体流程如图。从当前检测区域的状态描述St开始，分类器会对当前状态进行评估并给出终止信号。如果终止信号0，则选取新的evidence region(et)并以et为参考输出下一步需要执行的动作，并观察执行效果得到新的状态。如果终止信号为1，说明当前区域包含有需要检测的目标，此时将依据信度最高的窗口执行选定bounding bo...