基于强化学习的交通指示定位算法
Traffic instruction localization algorithm based on reinforcement learning
刘巍 1徐野2
作者信息
- 1. 沈阳理工大学自动化与电气工程学院,辽宁沈阳 110159
- 2. 沈阳理工大学自动化与电气工程学院,辽宁沈阳 110159;沈阳建筑大学智能建造实验室,辽宁沈阳 110168
- 折叠
摘要
交通指示定位作为无人驾驶领域的一项关键技术,直接影响汽车的行驶安全.采用强化学习算法Q学习(Q-learning),结合卷积神经网络,提出一种用于交通场景中的模型,该模型允许智能体将注意力集中在候选区域,学习简单操作转换边界框以确定目标的正确位置,并在LaRA信号灯数据集上进行评估.结果表明,在所提出的模型指导下,智能体能够在分析图像中区域后检测到交通灯,获得最佳检测结果.
Abstract
As a key technology in the field of unmanned driving,traffic indication positioning directly affects the driving safety of automobiles.Using the reinforcement learning algorithm Q-learning,combined with convolutional neural networks,a model for traffic scenarios is proposed,which allows the agent to focus its attention on the candidate region,learn simple operations to transform the bounding box to determine the correct position of the target,and evaluate it on the LaRA semaphore dataset.The results show that un-der the guidance of the proposed model,the agent can detect traffic lights after analyzing the area in the image and obtain the best de-tection results.
关键词
目标检测/强化学习/卷积神经网络/智能体训练Key words
Object detvection/Reinforcement learning/Convolutional neural networks/Agent training引用本文复制引用
基金项目
国家自然科学基金项目(61373159)
辽宁省高等学校优秀人才支持计划(LJQ2015095)
沈阳市科技创新平台建设计划项目(17-118-1-00)
沈阳理工大学重点学科重点实验室开放基金项目(4771004kfs18)
出版年
2024
国家科技期刊平台
NSTL
万方数据