【技术实现步骤摘要】
本公开实施例涉及动态强化学习，尤其涉及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。
技术介绍
1、随着深度学习技术的发展，神经网络被用于各种各样的场景以实现具体的任务，如分类、分割和检测。相关技术中，
2、提出的目标检测模型，虽然针对特定的场景能有效挖掘先验知识，并指导更准确的检测精度，但是面对复杂的场景时缺少必要的泛化性。另外，提出的语义分割方法，虽然能够通过学习不同的域中的深层共性特征，指导模型自适应不同的数据域，但是仍需要不同域中的标注数据。现有技术都仅在挖掘场景信息方面做出了不同的探索，然而，现有模型通常依托于特定的场景，导致训练的模型泛化性较低，在迁移至其他场景时展现较低的鲁棒性，无法满足复杂场景下的自适应要求。
技术实现思路
1、为了避免现有技术的不足之处，本申请提供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，用以解决现有技术中存在现有模型通常依托于特定的场景，导致训练的模型泛化性较低，在迁移至其他场景时展现较低的鲁棒性，无法满足复杂场景下的自适应要
<本文档来自技高网...【技术保护点】
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：
2.根据权利要求1所述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，所述根据原始图像的左视图和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的步骤中，包括：
3.根据权利要求2所述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，所述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的步骤中，包括：
4....
【技术特征摘要】
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：
2.根据权利要求1所述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，所述根据原始图像的左视图和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的步骤中，包括：
3.根据权利要求2所述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，所述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的步骤中，包括：
4.根据权利要求3所述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，所述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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。