用神经网络确定权重的matlab代码-Object-Detection:应用深度Q网络的图像中的目标检测

用神经网络确定权重的matlab代码对象检测 应用深度Q网络的图像中的目标检测 对象检测是指在图像中对象的最特定位置周围绘制边界框。 有一个强化学习代理人，经过适当的培训后可以自主执行此任务。 该算法可以大致分为三步-CNN，DQN和SVM。 CNN：卷积神经网络 预训练的CNN从建议的区域中提取特征。 DQN：Deep-Q网络 DQN建立在CNN的顶部，该CNN确定边界框的最佳变换，以便在尽可能少的步骤中检测到所需的对象。 SVM：支持向量机 特定于类别的SVM重新识别检测到的对象。 实际上，这项工作是作为研究项目执行的。 它复制了给出的结果，并进行了一些修改。 但是，所有代码都是由Tashrif Billah和Alexander Loh编写的。 请参阅的详细说明。 该算法由哥伦比亚大学电气工程系在Google Cloud GPU上进行了训练。 运行代码说明 请参阅以下有关执行项目的说明 下载。 运行该命令将从数据集中提取相关信息，即图像类，索引和边界框。 下载进行特征提取。 按照，在Google Cloud GPU上创建自己的虚拟机（VM）。 随意使用您可能有权使用的任何其他GPU