[發明專利]一種數據修正方法、裝置及電子設備

在審

• 申請號: 202211678812.2
• 申請日: 2022-12-26
• 公開（公告）號: CN115809697A
• 公開（公告）日: 2023-03-17
• 發明（設計）人: 陳明健
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06F18/24
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 王劍

本申請實施例提供一種數據修正方法、裝置及電子設備。在本實施例中，通過在將標注數據作為訓練數據訓練神經網絡模型的過程中，確定標注數據中需要進行復核的待復核的標注數據集，以便于對待復核的標注數據集中各標注數據的標注標簽進行復核修正，提高訓練數據的標注質量，進而提高模型訓練的性能，將該方法應用在檢測場景時，則提高訓練出的深度學習模型進行檢測時的檢測準確度，將該方法應用在分類場景時，則提高訓練出的深度學習模型進行分類時的分類準確度，進一步地，在將標注數據作為訓練數據訓練神經網絡模型的過程中，確定標注數據中需要進行復核的待復核的標注數據集，實現了自動找出標注錯誤的標注數據，提高標注數據的修正效率。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種數據修正方法、裝置及電子設備。

背景技術

深度學習模型(例如，檢測模型、分類模型等)的性能依賴于訓練數據集的規模以及其標注質量，訓練數據集越大且標注質量越高，深度學習模型的性能通常也就越好。目前，常用的標注方法是人工對訓練數據集中的訓練數據進行標注，但是由于標注人員的經驗不足、粗心等，可能會導致出現標注錯誤，訓練數據集的標注質量低，導致利用該訓練數據集訓練得到的深度學習模型性能差。比如在檢測場景時，則訓練出的深度學習模型進行檢測時，就會出現檢測誤差；再比如在分類場景時，訓練出的深度學習模型進行分類時，就會出現分類誤差。

發明內容

有鑒于此，本申請實施例提供一種數據修正方法、裝置及電子設備，以對已標注的訓練數據進行修正，提高模型訓練的性能。

根據本申請實施例的第一方面，提供一種數據修正方法，所述方法應用于電子設備，所述方法包括：

在將標注數據作為訓練數據訓練神經網絡模型的過程中，利用每次迭代訓練出的神經網絡模型預測所述標注數據屬于被指定的標注標簽的概率分布，得到所述標注數據的預測結果；

依據各標注數據的預測結果，確定待復核的標注數據集，以對所述待復核的標注數據集中各標注數據的標注標簽進行復核修正。

根據本申請實施例的第二方面，提供一種數據修正裝置，所述裝置應用于電子設備，所述裝置包括：

預測結果確定模塊，用于在將標注數據作為訓練數據訓練神經網絡模型的過程中，利用每次迭代訓練出的神經網絡模型預測所述標注數據屬于被指定的標注標簽的概率分布，得到所述標注數據的預測結果；

數據修正模塊，用于依據各標注數據的預測結果，確定待復核的標注數據集，以對所述待復核的標注數據集中各標注數據的標注標簽進行復核修正。

根據本申請實施例的第三方面，提供一種電子設備，電子設備包括：處理器和存儲器；

其中，所述存儲器，用于存儲機器可執行指令；

所述處理器，用于讀取并執行所述存儲器存儲的機器可執行指令，以實現如第一方面所述的方法。

本申請實施例提供的技術方案可以包括以下有益效果：

本申請實施例中，通過在將標注數據作為訓練數據訓練神經網絡模型的過程中，確定標注數據中需要進行復核的待復核的標注數據集，以便于對待復核的標注數據集中各標注數據的標注標簽進行復核修正，提高訓練數據的標注質量，進而提高模型訓練的性能，將該方法應用在檢測場景時，則提高訓練出的深度學習模型進行檢測時的檢測準確度，將該方法應用在分類場景時，則提高訓練出的深度學習模型進行分類時的分類準確度；

進一步地，在將標注數據作為訓練數據訓練神經網絡模型的過程中，確定標注數據中需要進行復核的待復核的標注數據集，實現了自動找出標注錯誤的標注數據，提高標注數據的修正效率。

附圖說明

圖1是本申請實施例提供的方法的流程圖。

圖2是本申請實施例提供的標注數據的預測結果確定方法的流程圖。