[发明专利]一种基于主动学习的样本标注方法

说明书

本发明公开了一种基于主动学习的样本标注方法，包括如下步骤：S1、从样本池中随机小样本抽样并标注，得到初始标注样本；S2、采用度量学习计算初始标注样本与待标注样本的特征距离，生成特征距离图，遍历特征距离图，在样本池中寻找与初始标注样本距离小于阈值的样本并抽取出来；S3、将抽取出来的样本再次进行标注并汇入初始标注样本形成样本训练库，以样本训练库为样本集训练检索模型；S4、通过检索模型从样本池中检索出更多的负样本再次进行标注，并汇入样本训练库，形成最终的训练集。本发明采用计算特征距离及图片检索的方式快速抽取样本池中的负样本，在保持模型精度的前提下，大幅度降低标注时间，节约成本，利于工业智能算法的多产线推广。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于主动学习的样本标注方法。

背景技术

在工业智能算法中，数据是保证模型精度的一个很重要的因素。为了保证模型具有持续稳定的性能，必须在不同产线部署的同时收集训练样本，并且持续训练模型，而随着模型的大范围部署，将产生大量的待标注样本，标注这些样本将耗费昂贵的人工成本并影响算法的上线时间。

发明内容

为解决上述问题，本发明提供了一种基于主动学习的样本标注方法。

本发明采用以下技术方案：

一种基于主动学习的样本标注方法，包括如下步骤：

S1、从样本池中随机小样本抽样，作为主动学习的初始数据集并标注，得到初始标注样本；

S2、采用度量学习计算初始标注样本与待标注样本的特征距离，生成特征距离图，遍历特征距离图，在样本池中寻找与初始标注样本距离小于阈值的样本并抽取出来；

S3、将抽取出来的样本再次进行标注并汇入初始标注样本形成样本训练库，以样本训练库为样本集训练检索模型；

S4、通过检索模型从样本池中检索出更多的负样本再次进行标注，并汇入样本训练库，形成最终的训练集。

进一步地，步骤S2采用余弦相似度来计算所述特征距离，具体如下：

其中，similarity表示特征距离，A为初始标注样本集，B为待标注样本集。

进一步地，所述阈值为0.95-0.98。

进一步地，所述检索模型为Re-ID模型。

进一步地，步骤S4中的所述检索过程具体为：以负样本作为检索图片，所述检索模型从样本池中挑选出与所述检索图片最相似即特征距离最近的前n张图，然后对检索出来的前n张图进行简单的清洗。

进一步地，所述n的取值为5-15。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

本发明采用计算特征距离及图片检索的方式快速抽取样本池中的负样本，在保持模型精度的前提下，大幅度降低标注时间，节约成本，有利于工业智能算法的多产线推广。

附图说明

图1为本发明的流程示意图；

图2为本发明实施例的检索示例图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

如图1所示，一种基于主动学习的样本标注方法，包括如下步骤：