دانلود مقاله انگلیسی رایگان:یادگیری و کاربرد تقویت کننده منتقد در توسعه ردیابی رابط مبتنی بر بینایی ماشین - 2021
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Actor–Critic Reinforcement Learning and Application in Developing Computer-Vision-Based Interface Tracking Actor–Critic Reinforcement Learning and Application in Developing Computer-Vision-Based Interface Tracking
    Actor–Critic Reinforcement Learning and Application in Developing Computer-Vision-Based Interface Tracking

    سال انتشار:

    2021


    عنوان انگلیسی مقاله:

    Actor–Critic Reinforcement Learning and Application in Developing Computer-Vision-Based Interface Tracking


    ترجمه فارسی عنوان مقاله:

    یادگیری و کاربرد تقویت کننده منتقد در توسعه ردیابی رابط مبتنی بر بینایی ماشین


    منبع:

    Sciencedirect - Elsevier - Engineering, Journal Pre-proof: doi:10:1016/j:eng:2021:04:027


    نویسنده:

    Oguzhan Dogru


    چکیده انگلیسی:

    This paper synchronizes control theory with computer vision by formalizing object tracking as a sequential decision-making process. A reinforcement learning (RL) agent successfully tracks an interface between two liquids, which is often a critical variable to track in many chemical, petrochemical, metallurgical, and oil industries. This method utilizes less than 100 images for creating an environment, from which the agent generates its own data without the need for expert knowledge. Unlike supervised learning (SL) methods that rely on a huge number of parameters, this approach requires far fewer parameters, which naturally reduces its maintenance cost. Besides its frugal nature, the agent is robust to environmental uncertainties such as occlusion, intensity changes, and excessive noise. From a closed-loop control context, an interface location-based deviation is chosen as the optimization goal during training. The methodology showcases RL for real-time object-tracking applications in the oil sands industry. Along with a presentation of the interface tracking problem, this paper provides a detailed review of one of the most effective RL methodologies: actor–critic policy.
    Keywords: Interface tracking | Object tracking | Occlusion | Reinforcement learning | Uniform manifold approximation and projection


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 22
    حجم فایل: 1448 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi