【标题】Deep Reinforcement Learning-Based DQN Agent Algorithm for Visual Object Tracking in a Virtual Environmental Simulation

【作者团队】Jin-Hyeok Park, Khurshedjon Farkhodov, Suk-Hwan Lee, Ki-Ryong Kwon

【发表日期】2022.3.22

【论文链接】https://www.mdpi.com/2076-3417/12/7/3220/pdf

【推荐理由】硬件应用程序中对象跟踪模型的复杂性已成为在各种不确定的环境跟踪条件下使用多功能算法技能完成的一项更需要完成的任务。本文的目标是通过DQN深度强化学习模型进行虚拟环境模拟的实验，提出一个全新的目标跟踪框架。 本文提出的网络使用深度强化学习模型检查环境，以调节虚拟仿真环境中的活动，并使用来自真实VCE（虚拟城市环境）模型的序列图片作为输入。随后，使用多个序列训练图像集对深度强化网络模型进行预训练，并在运行时跟踪过程中对其适应性进行微调。实验结果在速度和准确性方面都非常出色。该测试实验在两个公共数据集VisDrone 2019和OTB-100上进行，并且在比较的传统方法中取得了更好的性能。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除