使用增强学习训练多焦点聚焦模型

摘要：

聚焦模型(Attention model,AM)将计算资源集中于输入数据特定区域,相比卷积神经网络,AM具有参数少、计算量独立输入和高噪声下正确率较高等优点.相对于输入图像和识别目标,聚焦区域通常较小;如果聚焦区域过小,就会导致过多的迭代次数,降低了效率,也难以在同一输入中寻找多个目标.因此本文提出多焦点聚焦模型,同时对多处并行聚焦.使用增强学习(Reinforce learning,RL)进行训练,将所有焦点的行为统一评分训练.与单焦点聚焦模型相比,训练速度和识别速度提高了25％.同时本模型具有较高的通用性.

关键词：深度学习、聚焦模型、增强学习、多焦点

所属期刊栏目：43

分类号：TP1;R77

资助基金：国家高技术研究发展计划863计划2014AA01A;国家自然科学基金61572520资助 Supported by National High Technology Research and Development Program of China 863 Program2014AA01A;National Natural Science Foundation of China61572520

在线出版日期：2017-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1563-1570