[发明专利]一种标注数据获取方法及装置

说明书

公开了一种标注数据获取方法、装置、计算机可读存储介质及电子设备，该方法包括：根据预先标注的第一标注数据，训练得到至少两个第一神经网络模型；将第一未标注数据分别输入所述第一神经网络模型，以获得每个所述第一神经网络模型分别对应的输出数据；根据所述每个第一神经网络模型分别对应的输出数据之间的比较结果，从所述第一未标注数据中确定第二未标注数据；对所述第二未标注数据进行标注，获得第二标注数据。本申请有效提高了数据标注的效率，减少了进行数据标注的时间，有助于改善神经网络模型的性能。

技术领域

本申请涉及深度学习技术领域，且更具体地，涉及一种标注数据获取方法及装置。

背景技术

深度学习(Deep Learning，简称DL)是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助，其目标是让机器能够具有分析学习能力，能够识别文字、图像和声音等数据。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域得到了广泛应用，取得了很多成果。

深度学习需要采用经过标注的数据来对其模型进行训练，数据量越大，越有利于深度学习模型的训练，从而有助于提升其性能。然而，由于深度学习需要海量的标注数据进行训练，而目前数据标注需要耗费巨大的时间、金钱和人力成本，导致数据标注成本高昂。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种标注数据获取方法、装置、计算机可读存储介质及电子设备，有效提高了数据标注的效率，减少了进行数据标注的时间，有助于改善神经网络模型的性能。

根据本申请的第一方面，提供了一种标注数据获取方法，包括：

根据预先标注的第一标注数据，训练得到至少两个第一神经网络模型；

将第一未标注数据分别输入所述第一神经网络模型，以获得每个所述第一神经网络模型分别对应的输出数据；

根据所述每个第一神经网络模型分别对应的输出数据之间的比较结果，从所述第一未标注数据中确定第二未标注数据；

对所述第二未标注数据进行标注，获得第二标注数据。

根据本申请的第二方面，提供了一种标注数据获取装置，包括：

第一获取模块，用于根据预先标注的第一标注数据，训练得到至少两个第一神经网络模型；

第一数据获取模块，用于将第一未标注数据分别输入所述第一神经网络模型，以获得每个所述第一神经网络模型分别对应的输出数据；

第二数据获取模块，用于根据所述每个第一神经网络模型分别对应的输出数据之间的比较结果，从所述第一未标注数据中确定第二未标注数据；

标注数据获取模块，用于对所述第二未数据进行标注，获得第二标注数据。

根据本申请的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的标注数据获取方法。

根据本申请的第四方面，提供了一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述的标注数据获取方法。

与现有技术相比，本申请提供的标注数据获取方法、装置、计算机可读存储介质及电子设备，至少包括以下有益效果：