[發明專利]樣本學習方法、數據標注設備、電子設備以及介質

在審

• 申請號: 202210095511.0
• 申請日: 2022-01-26
• 公開（公告）號: CN114418096A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 崔現軍;李洪宇
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 李莉

本申請公開了一種樣本學習方法、數據標注設備、電子設備以及介質，該方法包括：獲取已標注數據集和未標注數據集；根據已標注數據集構建網絡模型；將已標注數據集和未標注數據集輸入至網絡模型，以利用網絡模型對未標注數據集進行精度驗證，得到模型精度；在模型精度不滿足預設條件時，從未標注數據集中選取若干樣本，并對若干樣本對應的預標注數據進行人工審核以更新未標注數據集；再次執行將已標注數據集和未標注數據集輸入至網絡模型，以利用網絡模型對未標注數據集進行精度驗證的步驟，通過多次迭代直至模型精度滿足預設條件。通過上述方式，本申請能夠在已標注數據集基礎上，實現未標注數據集在網絡模型中進行樣本學習以及網絡模型更新。

技術領域

本申請涉及數據標注技術領域，特別是涉及一種樣本學習方法、數據標注設備、電子設備以及介質。

背景技術

通常，隨著人們對產品設備使用的各種需求的提升，在使用產品設備進行數據標注時，用戶往往希望能夠既保持產品設備中數據標注的及時性，又保持產品設備中數據標注的準確性。

目前，在數據標注技術方面，為了準確地標注數據，往往基于預先定義好的標注規范和標簽體系，采用人工標注對數據進行逐條或逐幀地標注，這導致人工標注費時費力，效率低下，單人天只能標注固定的數據量，使得成本較大。

發明內容

本申請實施例第一方面提供了一種樣本學習方法，該方法包括獲取已標注數據集和未標注數據集；根據已標注數據集構建網絡模型；將已標注數據集和未標注數據集輸入至網絡模型，以利用網絡模型對未標注數據集進行精度驗證，得到模型精度；在模型精度不滿足預設條件時，從未標注數據集中選取若干樣本，并對若干樣本對應的預標注數據進行人工審核以更新未標注數據集；再次執行將已標注數據集和未標注數據集輸入至網絡模型，以利用網絡模型對未標注數據集進行精度驗證的步驟，通過多次迭代直至模型精度滿足預設條件。

本申請實施例第二方面提供了一種數據標注方法，包括：獲取未標注數據集；調用如本申請實施例第一方面提供的網絡模型，對未標注數據集進行標注，以得到已標注數據。

本申請實施例第三方面提供了一種數據標注設備，該數據標注設備包括：

獲取模塊，用于獲取已標注數據集和未標注數據集；

構建模塊，用于根據已標注數據集構建網絡模型；

處理模塊，用于將已標注數據集和未標注數據集輸入至網絡模型，以利用網絡模型對未標注數據集進行精度驗證，得到模型精度；

處理模塊，還用于在模型精度不滿足預設條件時，從未標注數據集中選取若干樣本，并對若干樣本對應的預標注數據進行人工審核以更新未標注數據集；

處理模塊，還用于再次執行將已標注數據集和未標注數據集輸入至網絡模型，以利用網絡模型對未標注數據集進行精度驗證的步驟，通過多次迭代直至模型精度滿足預設條件。

本申請實施例第四方面提供了一種電子設備，該電子設備包括：處理器和存儲器，存儲器中存儲有計算機程序，處理器用于執行計算機程序以實現如第一方面或第二方面所述的方法。

本申請實施例第五方面提供了一種計算機可讀存儲介質，該計算機可讀存儲介質存儲有計算機程序，計算機程序能夠被處理器執行時實現本申請實施例第一方面或第二方面的方法。

本申請的有益效果是：本申請通過根據已標注數據集構建網絡模型，再將已標注數據集和未標注數據集輸入至網絡模型，使得能夠在已標注數據集基礎上，實現未標注數據集在網絡模型中進行樣本學習，從而更新未標注數據集，進而減少人工標注或審核的操作，節約了人力成本，并且通過設置模型精度的預設條件，使得多次迭代直至模型精度滿足預設條件，進一步實現網絡模型的更新。

附圖說明