标题：基于深度强化学习的行人检测研究
作者：李新羽1；徐野1，2
作者单位：1沈阳理工大学自动化与电气工程学院，辽宁 沈阳 110159；2 沈阳建筑大学智能建造实验室，辽宁 沈阳 110168
关键字：行人检测；深度强化学习；YOLOv5；奖励函数
摘要：针对目前深度强化学习（Deep Reinforcement Learning，DRL）在目标检测中智能体初始化训练窗口固定单一、多目标和小目标图像错检率、漏检率高的问题，提出一种结合YOLOv5s和DQN算法的行人检测方法。该方法能够通过YOLOv5s搜索到含有目标的数量和区域，将回归的初步包围框设定为智能体的初始化窗口，提升尺度适应性。改进传统强化学习模型的奖励函数，使奖惩反馈更精准，提高模型检测精度和速度。与现有的基于深度学习、深度强化学习的目标检测模型对比实验，实测结果表明所提出的行人检测方法能够有效地提高检测精确度。