用于分类的在线实用性驱动的空间参考数据收集制造技术

由机器人获得的与区域相关联的数据可被传递给预先训练的分类器。分类器输出分类标签L和置信度得分C。响应于确定置信度得分C低于阈值T，可将所获得的数据添加到与分类器关联的训练数据集，并使用训练数据集来重新训练分类器，该训练数据集至少包括来自所获得的数据的信息。响应于确定置信度得分C低于阈值T，可识别与该区域具有特征相似性的至少一个候选区域。响应于确定置信度得分C不低于阈值T，可识别具有与该区域不同的特征的至少一个候选区域。可使机器人获得与候选区域相关联的数据。

【技术实现步骤摘要】
用于分类的在线实用性驱动的空间参考数据收集
技术介绍
本申请总体上涉及计算机和计算机应用，并且更具体地涉及机器学习和训练数据集。机器学习系统依靠数据的可用性和多样性来训练准确的模型。与训练集的构建相关联的一些挑战包括不平衡的数据库和少量的可用数据，其中可用数据的量可能不足以涵盖所有类别。在不平衡的数据库中，某些类别在数据集中的代表性可能不足，从而影响了其分类的准确度。新问题或未解决的问题也可提出挑战。例如，如果问题是新问题或发现新类别，则可能会出现平衡不足和数据集不足的情况。以收集全面数据集为目标在物理环境中导航的诸如蛮力方法的方法可能是昂贵且无效的，而此类方法可能给相对不完整的数据集带来的边际收益可能很小。
技术实现思路
在一个方面，系统可包括硬件处理器。存储器可耦接到硬件处理器。硬件处理器可用于将由机器人获得的数据传递给预先训练的分类器。分类器可输出分类标签L和置信度得分C，数据与区域相关联。响应于确定置信度得分C低于阈值T，硬件处理器可进一步操作以将所获得的数据添加到与分类器相关联的训练数据集，并使用训练数据集重新训练分类器，该数据集至少包本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，包括：/n将由机器人获得的数据传递给预先训练的分类器，所述分类器输出分类标签L和置信度得分C，所述数据与区域相关联；/n响应于确定所述置信度得分C低于阈值T，将所获得的数据添加到与所述分类器相关联的训练数据集，并使用所述训练数据集来重新训练所述分类器，所述训练数据集至少包括来自所获得的数据的信息；/n响应于确定所述置信度得分C低于所述阈值T，识别与所述区域具有特征相似性的至少一个候选区域，所述特征相似性是基于满足标准而确定的；/n响应于确定所述置信度得分C不低于所述阈值T，识别具有与所述区域不同的特征的至少一个候选区域，/n其中，从所述至少一个候选区域获得的附加数据能...

【技术特征摘要】
20190508 US 16/4066261.一种计算机实现的方法，包括：
将由机器人获得的数据传递给预先训练的分类器，所述分类器输出分类标签L和置信度得分C，所述数据与区域相关联；
响应于确定所述置信度得分C低于阈值T，将所获得的数据添加到与所述分类器相关联的训练数据集，并使用所述训练数据集来重新训练所述分类器，所述训练数据集至少包括来自所获得的数据的信息；
响应于确定所述置信度得分C低于所述阈值T，识别与所述区域具有特征相似性的至少一个候选区域，所述特征相似性是基于满足标准而确定的；
响应于确定所述置信度得分C不低于所述阈值T，识别具有与所述区域不同的特征的至少一个候选区域，
其中，从所述至少一个候选区域获得的附加数据能够用于重新训练所述分类器。


2.根据权利要求1所述的计算机实现的方法，还包括：使所述机器人获得与所述候选区域相关联的数据。


3.根据权利要求1所述的计算机实现的方法，其中，所述至少一个候选区域包括多个候选区域，并且所述方法还包括：计算包括所述多个候选区域中的至少一些候选区域的导航路线。


4.根据权利要求1所述的计算机实现的方法，其中，所述至少一个候选区域包括多个候选区域，...

【专利技术属性】
技术研发人员：D·A·B·奥利维拉，A·B·M·利马，P·B·阿韦格利亚诺，C·H·卡尔多尼亚，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：美国;US