我有一个模型,它检测到一个物体,并在它上面做一个边界框。问题是,这些边界框不准确,需要对对象更紧一点,而不是一些身体部位超过框或一些框大于对象大小。我想应用强化学习,使边界框更准确,因为我有完美的边界框的信息,这是目标和输入图像有不准确的边界框或不准确的坐标。我在网上找到了一篇关于同一主题的论文,但是我找不到它的代码,因为它构建了一个定义了状态、动作和奖励的环境。由于我对强化学习非常陌生,我不能从头开始创造环境。你知道吗
这是纸https://melaniemitchell.me/ResearchGroupContent/MastersTheses/AndrewClelandThesis.pdf
使用和更改网格大小度量作为状态和操作的整个方法是否可行?如果是的话,请有人把我链接到一个代码,最好是在github上,它构建了非常相似的环境?如果没有,那么有人能给我任何关于环境建设的建议吗?或者我可以用什么其他的方法?你知道吗
有一篇类似的论文:Multi-stage Reinforcement Learning for Object Detection,它做同样的事情。你知道吗
实现本文的代码可以在here中找到。你知道吗
相关问题 更多 >
编程相关推荐