【技术实现步骤摘要】
一种面向机器人目标检测算法的数据集选择方法
本专利技术涉及机器学习领域，尤其涉及一种面向机器人目标检测算法的数据集选择方法。
技术介绍
伴随着人工智能深度学习的高速发展，基于计算机视觉的目标检测技术已应用于各种场景。尤其在机器人领域中，用于工业机器人、服务机器人、无人机、安防监控等场景的目标检测技术已日益发展成熟。不同的应用场景通常选择相应的数据集用于模型的训练与测试。为了能够为算法模型开发者选择合适的数据集，以便于算法模型达到最优性能，成为了近年来各算法模型开发者的研究热点。现有的机器人目标检测算法模型数据集推荐研究一般采用基于人工经验的方法，而这种具有人为主观性的选择往往需要后续经历大量的模型调参过程。
技术实现思路
本专利技术的目的是：为机器人目标检测算法模型提供一种基于机器学习的数据集选择方法。为了达到上述目的，本专利技术的技术方案是提供了一种面向机器人目标检测算法的数据集选择方法，其特征在于，包括以下步骤：步骤1：对已有的每一类数据集的元数据特征进行行向量编码，包括：
【技术保护点】
1.一种面向机器人目标检测算法的数据集选择方法，其特征在于，包括以下步骤：/n步骤1：对已有的每一类数据集的元数据特征进行行向量编码，包括：/n步骤101：每个元数据特征含有不同个数的特征元素，设所有元数据特征的所有特征元素的总数为n，则构造一个1×n维矩阵，矩阵中的每个元素对应于一个元数据特征中的一个特征元素；/n步骤102：将步骤101得到的1×n维矩阵的所有元素置0，则对于每一类数据集得到一组含有n个0的行向量
【技术特征摘要】
1.一种面向机器人目标检测算法的数据集选择方法，其特征在于，包括以下步骤：
步骤1：对已有的每一类数据集的元数据特征进行行向量编码，包括：
步骤101：每个元数据特征含有不同个数的特征元素，设所有元数据特征的所有特征元素的总数为n，则构造一个1×n维矩阵，矩阵中的每个元素对应于一个元数据特征中的一个特征元素；
步骤102：将步骤101得到的1×n维矩阵的所有元素置0，则对于每一类数据集得到一组含有n个0的行向量
步骤103：获得每一类数据集所对应的行向量包括以下步骤：
若当前数据集中含有某个元数据特征中的某个特征元素时，则将步骤102获得的相应行向量中的相应元素的值由0置为1，从而当前数据集对应一个含有若干个元素值为1的1×n维矩阵，将该1×n维矩阵定义为行向量
步骤2：确定机器人目标检测算法模型所需的目标检测对象，利用与上述步骤1相同的方法对目标检测对象的元数据特征进行行向量编码，从而建立与目标检测对象的元数据特征相对应的行向量
步骤3：基于步骤1获得的行向量及步骤2获得的行向量计算机器人领域涉及的目标检测对象的元数据特征与已有数据集的元数据特征的相似度一，相似度一越高表示当前数据集与目标检测对象越匹配，相似度越低则代表当前数据集与目标检测对象越不匹配；
步骤4：取步骤3中具有最高相似度的数据集作为机器人领域的目标检测对象推荐的基准数据集，将剩余的数据集分别与基准数据集进行相似度计算，利用每个数据集所对应的行向量计算得到的相似度二的值；
步骤5：给定相似度阈值一及相似度阈值二，将所有相似度一的值高于相似度阈值一且相似度二的值高于相似度阈值二的数据集以及步...
【专利技术属性】
技术研发人员：沈文婷，陆林东，郑军奇，
申请(专利权)人：上海机器人产业技术研究院有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。