[发明专利]神经网络的标注系统

权利要求书

1.一种用于神经网络的标注方法，包括：

·从至少一个信息源接收未标记实例作为信息；

·获得该未标记实例的学习目标；

·通过执行一个软件算法获取已筛选未标记实例；以及

·获取该已筛选未标记实例的标注作为已标记实例；

其中，所述软件算法被配置为结合了半监督学习和迁移学习，用于减少该已筛选未标记实例的数量。

2.如权利要求1所述的标注方法，还包括：

对上述已标记实例的进行验证。

3.如权利要求1或2所述的标注方法，还包括：

·在上述信息中检测上述学习目标；

·在上述信息中追踪上述学习目标；和/或

·在上述信息中检索上述学习目标。

4.如前述权利要求中任一项所述的标注方法，其中，

上述未标记实例的学习目标包括：

可搜索的属性、字符、对象、事件或以上任的何组合；

可检测的非法停车、入侵、游荡，遗弃物或以上的任何组合；

可识别的词语、车牌、面孔，车辆，物体或其任何组合；和/或

可数的车辆，人员，物体及其任何组合。

5.如前述权利要求中任一项所述的标注方法，其中，

上述软件算法包括一个输入层、一个输出层和一个位于所述输入层和所述输出层之间的隐藏层。

6.如前述权利要求中任一项所述的标注方法，其中，

所述软件算法具有一个深度主动残差学习框架，可运行：

7.如前述权利要求中任一项所述的标注方法，其中，

上述软件算法被配置为进行语义查询、非语义查询或具有语义子查询和非语义子查询的复杂查询。

8.一种用于存储指令的非暂时性机器可读存储介质，所述指令在被执行时使至少一个计算设备执行操作，所述操作包括：

·从至少一个信息源接收未标记实例作为信息；

·获得该未标记实例的学习目标；

·通过执行一个软件算法获取已筛选未标记实例；以及

·获取该已筛选未标记实例的标注作为已标记实例；

其中，所述软件算法被配置为结合了半监督学习和迁移学习，用于减少该已筛选未标记实例的数量。

9.如权利要求8所述的非暂时性机器可读存储介质，其中，

上述操作还包括获得上述已标记实例的验证。

10.如权利要求8或9所述的非暂时性机器可读存储介质，其中，

上述操作还包括：

在上述信息中检测学习目标；

在上述信息中追踪学习目标；以及

在上述信息中检索学习目标。

11.根据前述权利要求8至10中任一项所述的非暂时性机器可读存储介质，其中，

上述已筛选未标记实例的数量大于一个临界值。

12.根据前述权利要求8至11中任一项所述的非暂时性机器可读存储介质，其中，

上述软件算法具有一个深度主动残差学习框架，可运行：

13.根据前述权利要求8至12中任一项所述的非暂时性机器可读存储介质，其中，

上述软件算法被配置为在一个自洽平台上运行，以提高性能和准确性。