[发明专利]数据标注方法、设备及装置

说明书

本公开涉及一种数据标注方法、设备及装置。所述方法包括：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。利用本公开的数据标注方法，能够在保证数据标注质量的前提下，极大降低了数据标注成本，并极大提高了数据标注效率。

技术领域

本公开涉及数据智能识别技术领域，尤其涉及一种数据标注方法、设备及装置。

背景技术

现在数据标注基本是通过人工标注的方式进行，例如智能驾驶数据标注一般为人工标注，而智能驾驶每车每天产生的数据很大，导致所述智能驾驶数据标注的人工成本非常高。并且人工标注方式误差率也比较高，目前有些数据标注公司会外聘兼职人员进行数据标注，使得数据标注的误差率更高，为了控制误差率在一定范围，需要额外的审核人员进行审核，进一步提高了数据标注的人工成本。

现在虽然有开源的图像识别数据库，例如ImageNet，可以免去人工标注过程，但是存在诸多缺点，例如标注框太大、标注方式少、准确率不高等，难以满足智能驾驶领域对图像识别的准确化和精细化的要求。

综上，面对数据的骤增，如何有效降低人工数据标注工作量，并提高数据标注的精确度，是当前需要突破的一个重大课题。

发明内容

有鉴于此，本公开提出了一种数据标注方法、设备及装置。

根据本公开的一方面，提供了一种数据标注方法，所述方法包括：

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。

根据本公开的另一方面，提供了一种数据标注设备，所述数据标注设备包括：

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。

根据本公开的另一方面，提供了一种数据标注装置，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上述方法。

根据本公开的另一方面，提供了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，其中，所述计算机程序指令被处理器执行时实现上述方法。

通过基于通用深度特征模型，提取所述待标注数据的通用特征，以及基于特殊深度特征模型提取所述待标注数据的特殊特征，利用本公开一实施例的数据标注方法、设备及装置，可以实现数据标注的自动化，并且能够避免人工标注的高错误率，从而在保证数据标注质量的前提下，极大降低了数据标注成本，并极大提高了数据标注效率。