[发明专利]一种扩充类别式数据快速标注方法

说明书

本发明涉及一种扩充类别式数据快速标注方法，包括以下步骤：(1)获取带有统一标注A的初始数据集；(2)结合已有数据集，将A进一步分为a、b、c等多个子类；(3)选取初始数据集的一部分作为样本，通过人工修改标注文件，快捷地将标注从A重命名为a、b、c等，得到标注样本；(4)基于标注样本，利用神经网络训练模型，将所得模型对初始数据集中剩余的数据进行预标注，得到预标注数据；(5)对预标注数据进行人工微调，保证所涉及数据标签全部准确，基于初始数据与微调数据对模型训练优化，基于更多标注样本训练更优模型，最终准确地标注全部数据，提高标注效率；本发明能满足快速、准确地标注的需求，更好地服务于实际应用。

技术领域

本发明属于计算机技术领域，更具体地涉及一种扩充类别式数据快速标注方法。

背景技术

近年来，人工智能技术受到的关注度持续提升，大量的社会资本和智力、数据资源的汇集驱动人工智能技术研究不断发展。人工智能的经典技术为机器学习技术，而深度学习技术的出现使得机器学习能够实现众多应用，拓展了人工智能的领域范围，而其基础在于对大量数据添加标注信息。快速、准确地完成数据标注是实现课题、项目的关键一步。

目前，常见的数据标注方法为借助数据标注工具进行手动标注，耗时费力，效率较低。

中国专利文献CN109299296A公开了一种交互式图像文本标注方法与系统。具体公开了以下内容：本发明提供了一种交互式图像文本标注方法，包括以下步骤：服务器端接收由用户标注的图像和/或文本数据样本，并基于样本在服务器端训练模型；通过经训练的模型对新上传到服务器端的数据进行预标注；将预标注的数据发送到客户端以进行修正；以及所述服务器端接收修正后的数据以迭代更新训练模型。所述方法能够对原始数据集进行标注，较完全手动标注效率有所提高，但仍存在依赖标注工具、标注成本高等局限性。

发明内容

针对现有技术的不足，本发明提供了一种扩充类别式数据快速标注方法。

本发明针对带有统一标注A的公开数据集，或者利用基于公网大数据训练的公开模型，推理得到的带有统一标注A的私人数据集，满足快速、准确地标注的需求，更好地服务于实际应用。

本发明的技术方案为：

一种扩充类别式数据快速标注方法，包括以下步骤：

(1)获取带有统一标注A的初始数据，标注A是指的某一大类；比如初始标注均为Vehicle车辆；

(2)根据需求，结合已有数据集，将A进一步分为多个子类，大类包含所述多个子类；比如，根据需要将上文中的标注Vehicle进一步具体地分为car、bus等子类，由此，子类可理解为一种包含关系；

(3)选取初始数据集的一部分作为样本，通过人工修改标注文件，标注文件是指通过标注工具(如LabImg)标注数据后生成的文件(如xml文件)，该文件中包含标注信息；这里可以直接得到初始的标注文件，快捷地将标注从A重命名为多个子类，得到标注样本；只需在已有数据的基础上进行微调，无需从头开始分类标注，不再依赖于数据标注工具。

(4)基于标注样本，利用神经网络训练模型，将所得模型对初始数据集中剩余的数据进行预标注，得到预标注数据；

进一步优选的，步骤(4)中，利用人工神经网络(Artificial Neural Network，即ANN),基于人工神经网络的特性，从信息处理角度对人脑神经元网络进行抽象，建立人工神经网络模型，按不同的连接方式组成不同的网络，此样例中，所用人工神经网络为可以实现目标检测功能的网络，并基于此训练人工神经网络模型，将所得人工神经网络模型对初始数据集中剩余的数据进行预标注，得到预标注数据。