基于改進(jìn)雙重深度Q網(wǎng)絡(luò)主動學(xué)習(xí)語義分割模型

摘要： 針對在圖像語義分割任務(wù)中獲取像素標(biāo)簽困難和分割數(shù)據(jù)集類別不平衡的問題，提出了一種基于改進(jìn)雙重深度Q網(wǎng)絡(luò)的主動學(xué)習(xí)語義分割模型CG＿D3QN。引入了一種結(jié)合決斗網(wǎng)絡(luò)結(jié)構(gòu)以及門控循環(huán)單元的混合網(wǎng)絡(luò)結(jié)構(gòu)，通過減輕Q值過估計問題和有效地利用歷史狀態(tài)信息，提高了策略評估的準(zhǔn)確性和計算效率。在CamVid和Cityscapes數(shù)據(jù)集上，該模型相較于基線方法，所需的樣本標(biāo)注量減少了65.0%... （共6頁）