? 理解出錯(cuò)之處望不吝指正。

? 本文模型叫做ADNet。該模型通過強(qiáng)化學(xué)習(xí)產(chǎn)生動(dòng)作序列（對(duì)bbox進(jìn)行移動(dòng)or尺度變換）來進(jìn)行tracking。原理如下圖（第一列代表初始幀，第二列和第三列代表通過RL產(chǎn)生的動(dòng)作序列對(duì)object進(jìn)行tracking）：

???

?

• ? 模型的整體結(jié)構(gòu)如下：

?

• ? 強(qiáng)化學(xué)習(xí)部分：

? （1）狀態(tài)：

??? 狀態(tài)分為和兩部分。其中代表正在tracking的bbox（當(dāng)前圖片信息，可在上圖中看到），則是一個(gè)維的向量，存儲(chǔ)的是pervious 10個(gè)action，其中11代表的是11種不同的action，使用獨(dú)熱碼表示。

? （2）動(dòng)作：

??? 動(dòng)作分為3類共11種。第一類是move，包括上下左右和快速上下左右；第二類是scale，包括放大和縮小；第三類是stop，即終止操作。

?????

? （3）狀態(tài)轉(zhuǎn)移：

??? 我們定義一個(gè)差值（）：

?????

??? 對(duì)于上下左右action（以此類推）：

?????

??? 對(duì)于快速上下左右action（以此類推）：

?????

??? 對(duì)于尺度變換action：

?????

? （4）獎(jiǎng)勵(lì)函數(shù)：

??? 假設(shè)action sequence的長(zhǎng)度為T，則reward定義如下（即：中間的那些action都不產(chǎn)生reward，只有動(dòng)作終止了才有reward）：

?????

??? 動(dòng)作的終止有兩種觸發(fā)情況：①.選擇了stop action；②.action sequence產(chǎn)生了波動(dòng)（eg: {left, right, left}）。

?

• ? 訓(xùn)練部分：

? 訓(xùn)練部分包括三部分：

? （1）訓(xùn)練監(jiān)督學(xué)習(xí)部分

??? 這部分訓(xùn)練，訓(xùn)練部分的action lable通過以下方法獲得：

?????

??? class lable的判斷如下：

?????

??? 損失函數(shù)如下：

?????

? （2）訓(xùn)練強(qiáng)化學(xué)習(xí)部分（這部分有點(diǎn)沒懂）

??? 這部分訓(xùn)練，我們通過上一步驟的訓(xùn)練得到了當(dāng)前訓(xùn)練的初始參數(shù)，這部分就是使用SGD最大化：

?????

??? 其中當(dāng)在labeled frame中success時(shí)，，否則。

??? 作者提到這部分訓(xùn)練可以采用半監(jiān)督訓(xùn)練，如下圖所示：

?????

? （3）在線自適應(yīng)

??? 在線更新的時(shí)候，只對(duì)進(jìn)行更新。每過幀使用前面幀中置信分?jǐn)?shù)大于0.5的樣本進(jìn)行微調(diào)。

??? 如果當(dāng)前的置信分?jǐn)?shù)小于-0.5，說明“跟丟了”，需要進(jìn)行re-detection。

總結(jié)

以上是生活随笔為你收集整理的CVPR 2017 ADNet:《 Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning》论文笔记的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。