[发明专利]一种复杂数据标注方法及装置

说明书

本申请公开了一种复杂数据标注方法及装置。所述方法包括：根据标注任务需求，将标注任务拆分为子任务；对每个子任务设计标注规则；在子任务之间设计逻辑关系；执行每个子任务并得到最后标注结果。所述装置包括：包括：拆分模块、标注规则模块、逻辑关系模块以及标注结果模块；本申请将复杂数据标注任务当作持续性的数据流加工过程，定义了标注与审核的标准工作模块，引入数据流的组合关系、逻辑运算关系和通路运算关系，能够有效指导复杂数据标注任务分析和拆解，合理规划数据任务标注方案。通过包含本发明功能的平台工具，可以进行标注过程的灵活组织，有效降低数据标注成本，提高数据标注质量，有效进行复杂标注数据的管理。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种复杂数据标注方法及装置。

背景技术

目前，基于深度学习的人工智能算法十分流行，在各个领域都有广泛的应用前景。人工智能算法的本质是数据驱动方法，通过对数据进行标注引入人工先验知识，再使用数据对神经网络进行训练和评估，得到可用可靠的模型。因此，数据标注工作可以说是人工智能算法的基建工程。

根据数据标注任务的复杂程度，可以分为简单任务和复杂任务。

简单任务是指任务规则相对容易，通常一张图片上只需要对某类目标进行标注，单个标注员可以理解、记忆、实现整个任务的标注。只需对人脸及手部动作进行标注，相对比较简单。

复杂任务是单张图片需要标注的内容特别多，内容复杂零散，单个标注人员难以完成标注。例如，需要对图片中的车辆、行人、车道线、红绿灯、交通标志等都进行标注，同时还需要进行道路状态、天气、光照条件等情况的判断打标签。仅其中的交通标志就有几十上百种类别，如此复杂的任务显然无法由单个标注人员在一次标注中完成。

对于复杂任务，当前的标注方法是将其拆分为若干简单任务分开独立标注和管理，任务完成后再进行标注数据的组合整理。

目前复杂数据标注任务的拆分缺少相关工具与指导方法，根据数据使用需求、特点及工程师的理解进行任务分解，存在以下问题。

一是任务拆分粒度不好把握。对复杂任务拆分得太粗，可以便于拆分任务的管理与数据组合，但是对标注员的要求太高，会导致数据标注质量和效率打折扣；而对复杂任务拆分得太细，则会导致标注任务管理难度太大，且由于任务间的时序逻辑关系，任务进度同样会受影响，且最终数据难以有效组合。

二是拆分任务之间的逻辑关系难以梳理管理。对于自动驾驶的路面数据，先打上场景、光照、天气、车道线是否清晰、是否包含交通标志等标签，更有利数据标注的组织。比如，只对有交通标志的图片进行后续数据标注；而对于标注规则十分复杂的交通标志，可以先进行大分类的标注，然后再细化具体标签。但这些复杂的逻辑关系必须依赖好的建模方法与管理工具才能实现。

三是数据标注结果组合整理时会引入一些错误。由于拆分任务之间的复杂逻辑关系，需要对数据进行多次组合处理，容易造成标注数据丢失、组合数据冲突等问题。

针对相关技术中拆分规则、任务的时序逻辑关系、任务之间的逻辑关系不明确，造成标注错误、组合数据冲突的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种复杂数据标注方法及装置，以解决相关技术中拆分规则、任务的时序逻辑关系、任务之间的逻辑关系不明确，造成标注错误、组合数据冲突的问题。

为了实现上述目的，第一方面，本申请提供了一种复杂数据标注方法，包括如下流程：

根据标注任务需求，将标注任务拆分为子任务；

对每个子任务设计标注规则；

在子任务之间设计逻辑关系；

执行每个子任务并得到最后标注结果。