一种面向机器人目标检测算法的数据集选择方法

摘要

针对多种应用场景中的机器人目标检测算法模型如何进行数据集选择的问题，本发明提供了一种面向机器人目标检测算法的数据集选择方法。本发明使用机器学习方法能够根据算法模型不同需求自动地选择数据集用于模型的训练以及测试，能够有效取代人工经验法，同时提升算法模型的鲁棒性能与泛化性能。并且本发明提供的方法依据测试结论提取影响模型检测效果的数据集元数据特征，并对行向量重新编码，能够有效降低下次进行匹配的相似度值。通过不断地迭代更新学习，改进了步骤一中数据集的行向量编码，可以为下一次新的机器人目标识别算法模型提供更加合适的数据集，提升了算法模型的鲁棒性能与泛化性能。