本发明涉及一种基于深度强化学习的空间暗弱小目标检测方法,该方法将包含空间暗弱小目标的序列帧星图数据输入训练好的空间暗弱小目标检测模型中,实现对空间暗弱小目标的检测;空间暗弱小目标检测模型以深度Q网络为基础算法建立基于深度强化学习DRL的空间暗弱小目标检测算法,检测算法将空间暗弱小目标检测问题建模为马尔可夫决策过程并设计奖励函数,通过DRL智能体基于序列帧星图数据的时空管道信息作出目标区域定位决策。本发明将暗弱空间目标检测问题建模为马尔可夫决策过程,设计了基于深度强化学习的检测算法,算法以星图序列的时空管道信息作为输入,检测过程不需要提取图片特征,有效规避了空间目标缺乏特征的缺陷。
声明:
“基于深度强化学习的空间暗弱小目标检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)