[发明专利]一种数据标注方法、装置、电子设备及存储介质

说明书

本申请公开了一种数据标注方法、装置、电子设备及存储介质，涉及人工智能技术，进一步涉及云计算领域。具体实现方案为：将各个待标注数据输入至当前更新周期的预测模型中；通过预测模型输出各个标注结果；若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，则对各个待修正标注结果进行修正，获取到各个修正标注结果；基于预测模型，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，并将下一个更新周期的预测模型替换掉该预测模型，重复执行上述操作，直到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标注要求。本申请实施例不仅可以有效地提高标注速度、节省标注成本，而且标注结果还可以随着时间进行迭代优化。

技术领域

本申请涉及计算机应用技术领域，进一步涉及人工智能技术，尤其是一种数据标注方法、装置、电子设备及存储介质。

背景技术

在深度学习的模型训练过程中，需要大量优质的训练数据，使深度学习模型可以用于学习，从而成为更好的模型，变得更加智能化。在将图像数据输入至训练模型之前，需要对图像数据进行标注。具体地，数据标注是指使用工具通过分类、画框、注释等等对收集来的数据进行标记以形成可供计算机识别分析的优质数据的过程。现有的图像数据标注方法主要包括以下两种：第一、采用人工方式进行标注：这种方式需要标注人员通过对每一张图像都做精细标注，才能使得该图像成为一个合格的模型训练数据。这种方式的缺点是标注速度慢、标注成本高，而且需要培训大量标注人员才能满足标注需求。第二、采用预训练模型的方式进行标注：首先使用少量的标注数据训练一个简单的深度学习模型，后续对大规模数据进行标注时，使用已经训练好的深度学习模型做一次前向推理，以深度学习模型的输出结果为基准，再使用人工方式进行修正与完善。这种方式的缺点是标注速度和成本并没有显著的提升，标注结果可能不够准确；而且标注结果无法随着时间进行迭代优化。

发明内容

有鉴于此，本申请提出实施例提供一种数据标注方法、装置、电子设备及存储介质，不仅可以有效地提高标注速度、节省标注成本，而且标注结果还可以随着时间进行迭代优化。

第一方面，本申请实施例提供了一种数据标注方法，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。

上述实施例具有如下优点或有益效果：上述实施例中的预测模型是可以随着时间进行迭代优化的，随着预测模型的不断优化，需要人工修正的待标注数据就会越来越少，从而达到提高标注速度和节省人工成本的目的。而在现有的数据标注方法中，通常采用人工方式进行标注或者采用预训练模型的方式进行标注，标注速度慢、标注成本高，而且标注结果无法随着时间进行迭代优化。因为本申请采用了通过预测模型对各个待标注数据进行标注以及迭代优化预测模型的技术手段，克服了现有技术中标注速度慢、标注成本高，而且标注结果无法随着时间进行迭代优化的技术问题，进而达到了有效地提高标注速度、节省标注成本，而且标注结果还可以随着时间进行迭代优化的技术效果。

在上述实施例中，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；