深度强化学习利用深度神经网络的强大表示增强了强化学习能力，证明了深度强化学习在金融、医学、医疗保健、视频游戏、机器人和计算机视觉等各个领域取得的显著成功。在这项工作中，作者详细回顾了计算机视觉中深度强化学习的最新研究进展。从理解深度学习、强化学习和深度强化学习的理论开始。然后提出了深度强化学习方法的分类，并讨论了它们的优点和局限性。特别地根据它们在计算机视觉中的应用将深度强化学习分为七个主要类别，即
这些类别中的每一个都通过强化学习技术、网络设计和性能进行了进一步分析。此外，对现有的公开可用数据集进行了全面分析，并检查了源代码的可用性。最后提出了一些悬而未决的问题，并讨论了计算机视觉中深度强化学习的未来研究方向。
Arxiv: https://arxiv.org/pdf/2108.11510v1.pdf
