简介:为了获得指纹检测概率和视觉质量的平衡性能,提出基于SVD-GA的量化指纹优化算法。首先对载体图像的离散余弦变换域进行奇异值分解,然后根据视觉模型调节量化嵌入的强度,在原始图像的最大奇异值分量嵌入指纹信息,最后利用遗传算法优化指纹的量化嵌入参数,以权衡指纹算法的共谋抵抗性能和视觉保真度。实验结果表明,提出的指纹算法具有较好的抗共谋攻击能力和视觉保真度。
简介:研究基于深度强化学习技术的避障场景的算法模型设计,采用改进岛深度Q网络(DeepQ-lesrningNet-work,DQN)算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况,改进奖利机制,增知实时奖惩作为补充,解决学习耗时长和练不稳定的问题:采用相对角度、位置金和距离等信息,相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法/可视图法等传统人为策略避障算法,深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力,因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。