[发明专利]一种数据标注方法、装置、电子设备及存储介质

权利要求书

1.一种数据标注方法，其特征在于，所述方法包括：

将各个待标注数据输入至当前更新周期的预测模型中；通过所述当前更新周期的预测模型输出各个待标注数据对应的标注结果；

若所述当前更新周期内获取到的标注结果中存在不满足标注要求的待修正标注结果，则采用预设方式对各个待修正标注结果进行修正，获取到各个待修正标注结果对应的修正标注结果；

基于所述当前更新周期的预测模型，使用各个修正标注结果训练出下一个更新周期的预测模型，并将所述下一个更新周期的预测模型替换掉所述当前更新周期的预测模型，将下一个更新周期作为所述当前更新周期，重复执行上述操作，直到所述当前更新周期的预测模型输出的各个待标注数据的标注结果均满足所述标注要求。

2.根据权利要求1所述的方法，其特征在于，所述基于所述当前更新周期的预测模型，使用各个经修正后满足所述标注要求的标注结果训练出下一个更新周期的预测模型，包括：

将所述当前更新周期的预测模型作为当前训练周期的预测模型；

在所述当前更新周期内的修正标注结果中获取所述当前训练周期内的修正标注结果；

使用所述当前训练周期内的修正标注结果对所述当前训练周期的预测模型进行训练，获取到下一个训练周期的预测模型，并将所述下一个训练周期的预测模型替换掉所述当前训练周期的预测模型，将所述下一个训练周期作为所述当前训练周期，重复执行上述训练所述当前训练周期的预测模型的操作，直到训练出所述下一个更新周期的预测模型。

3.根据权利要求2所述的方法，其特征在于，所述在所述当前更新周期内的修正标注结果中获取所述当前训练周期内的修正标注结果，包括：

将所述当前更新周期内的修正标注结果保存至训练数据库中；

通过控制台在所述训练数据库中提取出所述当前训练周期内的修正标注结果。

4.根据权利要求3所述的方法，其特征在于，所述通过控制台在所述训练数据库中提取出所述当前训练周期内的修正标注结果，包括：

若所述训练数据库中的修正标注结果的数量大于或者等于预设阈值，则通过所述控制台在所述训练数据库中提取出预定数量的修正标注结果，作为所述当前训练周期内的修正标注结果；

若所述训练数据库中的修正标注结果的数量小于所述预设阈值，则通过所述控制台在所述训练数据库中提取出全部的修正标注结果，作为所述当前训练周期内的修正标注结果。

5.根据权利要求2所述的方法，其特征在于，所述使用所述当前训练周期内的修正标注结果对所述当前训练周期的预测模型进行训练，获取到下一个训练周期的预测模型，包括：

将所述当前训练周期内的各个修正标注结果输入至所述当前更新周期的预测模型的卷积层；通过所述卷积层提取各个修正标注结果的特征，并向所述池化层输出各个修正标注结果的特征矩阵；通过所述池化层对接收到的各个修正标注结果的特征矩阵进行降维操作，向所述全连接层输出各个修正标注结果经降维操作后的特征矩阵；通过所述全连接层对接收到的各个修正标注结果经降维操作后的特征矩阵进行处理，向所述分类器层输出获得的各个修正标注结果的一维特征矩阵；通过所述分类器层对各个修正标注结果的一维特征矩阵进行分类，获得各个修正标注结果的分类结果，根据各个修正标注结果的分类结果对所述卷积神经网络进行反向传播以逐层调整层级权重直至获取到所述下一个训练周期的预测模型。

6.根据权利要求1所述的方法，其特征在于，所述待标注数据为图像数据；所述预测模型为实例分割模型Mask RCNN。