Resumen

En comparación con las imágenes tradicionales, el campo de luz contiene una información de imagen más completa y de mayor calidad. Sin embargo, los datos disponibles para la reconstrucción del campo de luz son limitados, y el cálculo repetido de los datos afecta seriamente a la precisión y al rendimiento en tiempo real de la reconstrucción multiperspectiva del campo de luz. Para resolver estos problemas, este artículo propone un método de reconstrucción del campo luminoso multiperspectivo basado en el aprendizaje por transferencia. En primer lugar, se establece el modelo de medición de la similitud. Según el umbral de similitud del dominio de origen y el dominio de destino, se selecciona de forma autónoma el modelo de aprendizaje por refuerzo o el modelo de aprendizaje por transferencia de características. En segundo lugar, se establece el modelo de aprendizaje por refuerzo. El modelo utiliza el aprendizaje Q multiagente (es decir, multiperspectivo) para aprender el conjunto de características más similar al dominio de destino y al dominio de origen y lo devuelve al dominio de origen. Este modelo aumenta la capacidad de las muestras del dominio fuente y mejora la precisión de la reconstrucción del campo luminoso. Por último, se establece el modelo de aprendizaje de transferencia de características. El modelo utiliza el PCA para obtener el máximo espacio de incrustación de las características del dominio de origen y del dominio de destino y mapea las características similares a un nuevo espacio para la migración de los datos de la etiqueta. Este modelo resuelve los problemas de redundancia de datos multiperspectivos y de cálculos repetidos y mejora el rendimiento en tiempo real del reconocimiento de objetivos de maniobra. Amplios experimentos con conjuntos de datos PASCAL VOC demuestran la eficacia del algoritmo propuesto frente a los algoritmos existentes.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:Reconstrucción del campo luminoso, modelo de aprendizaje por transferencia, dominio de la fuente, modelo de aprendizaje por refuerzo, dominio del objetivo, cálculo repetido, rendimiento del tiempo, modelo, cálculo de datos, rendimiento de la maniobra
• Keywords:light field reconstruction, transfer learning model, source domain, reinforcement learning model, target domain, repeated calculation, time performance, model, calculation of data, performance of maneuvering