[发明专利]数据标注方法、设备及装置

权利要求书

1.一种数据标注方法，其特征在于，包括：

基于通用深度特征模型，获取所述待标注数据的通用特征以及预分类结果；

根据所述预分类结果和特殊深度特征模型，提取所述待标注数据的特殊特征；

对所述通用特征和所述特殊特征进行融合计算，获取融合特征信息；

根据所述融合特征信息以及所述特殊深度特征模型，获取分类标注预测结果；

根据所述分类标注预测结果，为所述待标注数据进行标注。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预分类结果和特殊深度特征模型，提取所述待标注数据的特殊特征，包括：

根据所述预分类结果，获取待标注数据的特殊数据集以及特殊深度特征模型；

根据所述待标注数据的特殊数据集和所述特殊深度特征模型的特殊特征提取器，提取所述待标注数据的特殊特征。

3.根据权利要求1所述的方法，其特征在于，还包括：

根据迁移学习技术和开源数据集，创建基本卷积神经网络模型；

修改基本卷积神经网络模型的输出层，得到基本深度特征模型；

基于通用样本数据集，对所述基本深度特征模型进行网络微调，生成所述通用深度特征模型。

4.根据权利要求3所述的方法，其特征在于，还包括：

根据所述通用样本数据集和谱聚类算法，获取特殊样本数据集；

基于所述特殊样本数据集，对所述通用深度特征模型进行网络微调，生成所述特殊深度特征模型。

5.根据权利要求4所述的方法，其特征在于，根据所述通用样本数据集和谱聚类算法，获取特殊样本数据集，包括：

对所述通用样本数据集进行预分类，获取样本分类预测结果；

根据所述样本分类预测结果、所述通用样本数据集以及所述谱聚类算法，获取特殊样本数据集。

6.根据权利要求5所述的方法，其特征在于，所述对所述通用样本数据集进行预分类，获取样本分类预测结果，包括：

利用所述通用深度特征模型，提取所述通用样本数据集的通用特征；

将所述通用样本数据集的通用特征输入所述通用深度特征模型的多分类器，得到样本分类预测结果。

7.根据权利要求5所述的方法，其特征在于，根据所述样本分类预测结果、所述通用样本数据集以及所述谱聚类算法，获取特殊样本数据集，包括：

根据所述样本分类预测结果和所述通用样本数据集，生成混淆矩阵；

根据所述混淆矩阵和谱聚类算法，获取所述特殊样本数据集。

8.一种数据标注设备，其特征在于，包括：

通用特征及预分类结果获取模块，用于基于通用深度特征模型，获取所述待标注数据的通用特征以及预分类结果；

特殊特征提取模块，用于根据所述预分类结果和特殊深度特征模型，提取所述待标注数据的特殊特征；

特征融合模块，用于对所述通用特征和所述特殊特征进行融合计算，获取融合特征信息；

分类标注预测结果获取模块，用于根据所述融合特征信息以及所述特殊深度特征模型，获取分类标注预测结果；

数据标注模块，用于根据所述分类标注预测结果，为所述待标注数据进行标注。

9.一种数据标注装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令以实现上述权利要求1-7任一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。