基于改进双重深度Q网络主动学习语义分割模型
打开文本图片集
摘 要：针对在图像语义分割任务中获取像素标签困难和分割数据集类别不平衡的问题，提出了一种基于改进双重深度Q网络的主动学习语义分割模型CG_D3QN。引入了一种结合决斗网络结构以及门控循环单元的混合网络结构，通过减轻Q值过估计问题和有效地利用历史状态信息，提高了策略评估的准确性和计算效率。在CamVid和Cityscapes数据集上，该模型相较于基线方法，所需的样本标注量减少了65.0%，同时对于少样本标签的类别，其平均交并比提升了约1%～3%。（剩余17025字）
