基于强化学习的边界盒优化

Question

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

Answer 1

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