[發明專利]數據標注方法及裝置

有效

• 申請號: 202110764998.2
• 申請日: 2021-07-07
• 公開（公告）號: CN113205163B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 鄭繼龍;齊紅威;何鴻凌;肖永紅
• 申請（專利權）人: 數據堂（北京）科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 侯天印;郝博

1.一種數據標注方法，其特征在于，包括：

利用無監督學習算法進行冷啟動，對原始的無標簽圖像數據進行初級分類，生成弱標簽圖像數據信息和偽標簽圖像數據信息；

對偽標簽圖像數據信息進行校驗標注，獲得修正后的弱標簽圖像數據信息；

對預設數量的弱標簽圖像數據信息進行標注，獲得部分已標注圖像數據；

基于弱監督學習算法和部分已標注圖像數據，對剩余的弱標簽圖像數據信息進行預標注，生成預標注結果；

對預標注結果進行半監督學習算法的樣本篩選，獲得精品圖像數據集；

對精品圖像數據集進行圖像數據補充，獲得全標簽圖像數據集；

利用所述全標簽圖像數據集對無監督學習算法、弱監督學習算法和半監督學習算法進行算法迭代，獲得優化的無監督學習算法、弱監督學習算法和半監督學習算法。

2.如權利要求1所述的數據標注方法，其特征在于，對預標注結果進行半監督學習算法的樣本篩選，獲得精品圖像數據集，包括：

對預標注結果進行校驗，若校驗出存在標注偏差大的圖像數據，則去除標注偏差大的圖像數據中的相似圖像數據，對剩余的標注偏差大的圖像數據進行修正；若校驗出存在標注偏差小或無偏差的圖像數據，則保留；

對校驗后的預標注結果進行特征提取，獲得特征提取結果；

對特征提取結果進行特征權重計算，獲得特征提取結果的特征權重；

對所述特征提取結果的特征權重進行排序，獲得排序在預設數量之前的特征提取結果；

由所述特征提取結果形成精品圖像數據集。

3.如權利要求1所述的數據標注方法，其特征在于，對精品圖像數據集進行圖像數據補充，獲得全標簽圖像數據集，包括：

確定精品圖像數據集的分布特性；

獲取與精品圖像數據集的分布特性存在差異的圖像數據進行標注；

將標注后的圖像數據補入精品圖像數據集，獲得全標簽圖像數據集。

4.如權利要求1所述的數據標注方法，其特征在于，還包括：

在對一個域的圖像數據進行標注時，將其他域的信息遷移至相應域中。

5.一種數據標注裝置，其特征在于，包括：

無監督冷啟動標注模塊，用于利用無監督學習算法進行冷啟動，對原始的無標簽圖像數據進行初級分類，生成弱標簽圖像數據信息和偽標簽圖像數據信息；

弱監督預標注模塊，用于對偽標簽圖像數據信息進行校驗標注，獲得修正后的弱標簽圖像數據信息；對預設數量的弱標簽圖像數據信息進行標注，獲得部分已標注圖像數據，基于弱監督學習算法、弱標簽圖像數據信息和部分已標注圖像數據，對剩余的弱標簽圖像數據信息進行預標注，生成預標注結果；

半監督精標模塊，用于對預標注結果進行半監督學習算法的樣本篩選，獲得精品圖像數據集；

校驗和補充模塊，用于對精品圖像數據集進行圖像數據補充，獲得全標簽圖像數據集；

模型迭代模塊，用于利用所述全標簽圖像數據集對無監督學習算法、弱監督學習算法和半監督學習算法進行算法迭代，獲得優化的無監督學習算法、弱監督學習算法和半監督學習算法。

6.如權利要求5所述的數據標注裝置，其特征在于，半監督精標模塊具體用于：

對預標注結果進行校驗，若校驗出存在標注偏差大的圖像數據，則去除標注偏差大的圖像數據中的相似圖像數據，對剩余的標注偏差大的圖像數據進行修正；若校驗出存在標注偏差小或無偏差的圖像數據，則保留；

對校驗后的預標注結果進行特征提取，獲得特征提取結果；

對特征提取結果進行特征權重計算，獲得特征提取結果的特征權重；

對所述特征提取結果的特征權重進行排序，獲得排序在預設數量之前的特征提取結果；

由所述特征提取結果形成精品圖像數據集。

7.如權利要求5所述的數據標注裝置，其特征在于，校驗和補充模塊具體用于：

確定精品圖像數據集的分布特性；

獲取與精品圖像數據集的分布特性存在差異的圖像數據進行標注；

將標注后的圖像數據補入精品圖像數據集，獲得全標簽圖像數據集。