资料下载
×
如何使用Q学习算法进行X光主动视觉的安检方法资料说明概述
消耗积分:0 |
格式:rar |
大小:0.82 MB |
2018-12-21
分享资料个
针对主动视觉安检方法检测性能不高和检测速度慢的问题，基于Q学习（QL）算法提出了采用状态回溯的启发式Q学习（ HASB-QL）算法进行最佳视角估计。该算法引入代价函数和启发函数，提高了学习效率，加快了Q学习收敛。首先，对通过安检扫描仪获取的X光图像进行单视角检测；然后，对姿势作出估计并通过在状态回溯过程中比较重复动作的选择策略获取最佳旋转角度，再次进行单视角检测，直到检测到危险品；此外，在检测过程中多于一个视角时，建立几何约束以消除误报。对GDXray数据集中的手枪和剃刀刀片的X光图像进行实验，实验结果表明，相比于以Q学习为基础的主动视觉算法，改进的主动视觉算法检测手枪所得精确率和召回率之间的加权平均值F1值提高了9. 60%，检测速度提高了12. 45%；检测剃刀刀片所得的F1值提高了2.51010，速度提高了17. 39%。所提算法提高了危险品检测的性能和速度。
X射线安检扫描仪在汽车站等地的安全检查中起着非常重要的作用。然而，检查过程需要安检人员辅助检查，在危险品与其他物品重叠或被其他物品遮挡时，人眼不易观察出，而且安检员长时间工作，容易引起视觉疲劳，导致检测的准确性下降，从而进一步影响到公共安全。因此，如何提高危险品检测性能对安检运行的可靠性具有重要意义。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
