[发明专利]一种训练样本集生成的方法、装置、电子设备及存储介质

说明书

本公开提供了一种训练样本集生成的方法、装置、电子设备及存储介质，其中，该方法包括：获取各个未标注样本、以及基于训练样本集训练得到的目标神经网络；基于各个未标注样本、目标神经网络，确定各个未标注样本分别对目标神经网络的网络训练的预估影响程度值；从各个未标注样本中选取预估影响程度值符合预设要求的目标未标注样本；在对选取的目标未标注样本进行样本标注得到目标已标注样本的情况下，将目标已标注样本添加至训练样本集中，得到更新后训练样本集；更新后训练样本集用于对目标神经网络再次进行网络训练。本公开基于预估影响程度值实现了未标注样本的自动选取，相比人工选取的方案，更为省时省力，也降低了后续的标注成本。

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种训练样本集生成的方法、装置、电子设备及存储介质。

背景技术

随着深度学习的不断发展，各种机器学习模型在各行各业取得了越来越大的成功，而这要归功于大规模训练数据集的支撑。训练数据集是带有丰富标注信息的数据集，收集并标注这样的数据集通常需要庞大的人力和物力成本。

相关技术中可以采用人工方式进行训练数据的筛选以构建更好的数据集，这导致人力物力成本过高。

发明内容

本公开实施例至少提供一种训练样本集生成的方法、装置、电子设备及存储介质，以自动实现训练样本的选取，省时省力。

第一方面，本公开实施例提供了一种训练样本集生成的方法，所述方法包括：

获取各个未标注样本、以及基于训练样本集训练得到的目标神经网络；

基于所述各个未标注样本、所述目标神经网络，确定所述各个未标注样本分别对所述目标神经网络的网络训练的预估影响程度值；

从所述各个未标注样本中选取预估影响程度值符合预设要求的目标未标注样本；

在对选取的所述目标未标注样本进行样本标注得到目标已标注样本的情况下，将所述目标已标注样本添加至所述训练样本集中，得到更新后训练样本集；所述更新后训练样本集用于对所述目标神经网络再次进行网络训练。

采用上述训练样本集生成的方法，在获取到各个未标注样本以及目标神经网络的情况下，可以先确定各个未标注样本分别对目标神经网络的网络训练的预估影响程度值，进而从各个未标注样本中选取预估影响程度值符合预设要求的目标未标注样本，这样，在对目标未标注样本进行样本标注后即可以得到目标已标注样本以进行训练样本集的更新。本公开基于预估影响程度值实现了未标注样本的自动选取，相比人工选取的方案，更为省时省力，也降低了后续的标注成本。

在一种可能的实施方式中，所述训练样本集中包括各个第一已标注样本；所述基于所述各个未标注样本、所述目标神经网络，确定所述各个未标注样本分别对所述目标神经网络的网络训练的预估影响程度值，包括：

基于所述各个第一已标注样本以及所述目标神经网络，确定在基于所述各个第一已标注样本进行目标神经网络前向传播的过程中，所述各个第一已标注样本对网络训练参数的预估影响程度和值；以及，

基于所述各个未标注样本以及所述目标神经网络，确定在基于所述各个未标注样本进行目标神经网络前向传播的过程中，每个所述未标注样本对网络训练参数的预估影响程度值；

基于所述各个第一已标注样本对网络训练参数的预估影响程度和值以及每个所述未标注样本对网络训练参数的预估影响程度值，确定每个所述未标注样本对所述目标神经网络的网络训练的预估影响程度值。