[发明专利]标注数据生成方法、设备及计算机可读存储介质

权利要求书

1.一种标注数据生成方法，其特征在于，包括以下步骤：

S100：获取一数据全集及包含于所述数据全集内已被标注的标注数据集；

S200：分析所述标注数据集的数据特征，并根据所述数据特征制造符合所述数据特征的伪数据集，以上述分析所得的数据特征为基础，制造符合这些数据特征，但不同于标注数据集中的数据的其他数据，其中，制造时，需满足所使用的数字为标注数据集中数据所具有的数字，数字间的间隙满足标注数据集中数据所具有的数字的间隙，使得伪数据集所具有的伪数据为对标注数据中数据的各单元的重新组合；

S300：基于GAN神经网络对所述伪数据集扩充，形成一扩充数据集；

S400：识别对所述扩充数据集内的数据是否需要标注，筛选被标注的数据以形成一训练数据集；

S500：对所述训练数据集进行神经网络训练形成一训练模型；

S600：基于所述训练模型对所述数据全集内除所述标注数据集外的数据清洗，标注符合所述训练模型的数据并归入所述标注数据集内。

2.如权利要求1所述的标注数据生成方法，其特征在于，

所述标注数据生成方法还包括以下步骤：

S700：判断所述标注数据集内的数据量是否大于或等于一期望数据量；

S800：当所述标注数据集内的数据量小于所述期望数据量时，取所述训练数据集及所述标注数据集的并集，并再次执行步骤S500-S600。

3.如权利要求2所述的标注数据生成方法，其特征在于，

所述步骤S800替换为：

S800’：当所述标注数据集内的数据量小于所述期望数据量时，将所述伪数据集内的数据替换为所述标注数据集内的数据，并再次执行步骤S300-S600。

4.如权利要求1所述的标注数据生成方法，其特征在于，

所述标注数据生成方法还包括以下步骤：

S900：基于步骤S600中形成的所述标注数据集和/或所述训练数据集训练除所述数据全集外的其他数据集。

5.如权利要求1所述的标注数据生成方法，其特征在于，

基于GAN神经网络对所述伪数据集扩充，形成一扩充数据集的步骤S300包括：

S310：构建一生成模型及判别模型；

S320：对所述判别模型配置为对所述伪数据集中的数据的判别概率值输出大于0.5，基于对伪数据集中的数据的判别概率值深度学习对非所述伪数据集中的数据的判别概率值的输出；

S330：所述生成模型基于所述伪数据集中的数据生成待扩充数据集；

S340：所述生成模型将所述伪数据集及待扩充数据集输入至所述判别模型；

S350：收集所述判别模型输出的判别概率值大于0.5的数据以形成所述扩充数据集。

6.如权利要求1所述的标注数据生成方法，其特征在于，

识别对所述扩充数据集内的数据是否需要标注，筛选被标注的数据以形成一训练数据集的步骤S400包括：

S410：根据所述标注数据集及所述数据特征验证所述扩充数据集内的数据；

S420：提取对验证结果为识别标注的数据，并将所述扩充数据集中验证结果不为识别标注的数据删除。

7.如权利要求6所述的标注数据生成方法，其特征在于，

根据所述标注数据集及所述数据特征验证所述扩充数据集内的数据的步骤S410包括：

S411：以所述标注数据集中的数据为模型验证所述扩充数据集中的数据；

S412：当所述模型中的一半级以上或全部对所述数据验证为结果一致，则判定所述验证结果为识别标注。

8.如权利要求1所述的标注数据生成方法，其特征在于，

所述数据特征包括：所述数据的背景、所述数据的单元数字、所述数据的数字间隙、所述数据的目标、所述数据的噪音中的一种或多种。