The embodiment of the present invention provides a data annotation method, device, system and storage medium. The data annotation method includes: selecting the first number of unlabeled data from the unlabeled data set of the data pool; pre-annotating the first number of unlabeled data using the annotation model to obtain the pre-annotated information of the first number of unlabeled data, in which the pre-annotated information includes the result of the pre-annotation; and transmitting it to the display device. The second number of unlabeled data and the second number of unlabeled data are pre-annotated results, in which the second number of unlabeled data is at least part of the first number of unlabeled data; the feedback information of the pre-annotated results for the second number of unlabeled data is received; and the feedback information is based on the feedback information. Determine the final annotation result of the second number of unlabeled data. Unmarked data is pre-marked by data annotation system and then checked by users, which can greatly reduce the human cost of data annotation.
【技术实现步骤摘要】
数据标注方法、装置和系统及存储介质
本专利技术涉及计算机
,更具体地涉及一种数据标注方法、装置和系统以及存储介质。
技术介绍
人工智能发展到今天,数据的作用被越来越凸显出来。训练好一个神经网络模型,通常需要上百万甚至上亿量级的数据。数据的标注周期和成本直接影响了一个人工智能公司的行业竞争力。当前的数据标注平台存在以下不足:数据标注模式均为对数据进行人工逐一标注;其标注成本一般与数据集规模呈正比,在标注超大数据集时通常需要较大的人力投入和较长的标注周期。
技术实现思路
考虑到上述问题而提出了本专利技术。本专利技术提供了一种数据标注方法、装置和系统以及存储介质。根据本专利技术一方面,提供了一种数据标注方法。数据标注方法包括:从数据池的未标注数据集中选择第一数目的未标注数据;利用标注模型对第一数目的未标注数据进行预标注,以获得第一数目的未标注数据的预标注信息,其中,预标注信息包括预标注结果;向显示装置输出第二数目的未标注数据和第二数目的未标注数据的预标注结果,其中,第二数目的未标注数据为第一数目的未标注数据中的至少部分未标注数据;接收针对第二数目的未标注数据的预标注结果的反馈信息;以及基于反馈信息确定第二数目的未标注数据的最终标注结果。示例性地,预标注信息还包括数据得分,在显示装置上,第二数目的未标注数据是按照第二数目的未标注数据的数据得分排列的,在向显示装置输出第二数目的未标注数据和第二数目的未标注数据的预标注结果之前,方法还包括:根据第二数目的未标注数据的数据得分对第二数目的未标注数据进行排序。示例性地,预标注信息还包括数据得分,在向显示装置输出第二数目的 ...
【技术保护点】
1.一种数据标注方法,包括:从数据池的未标注数据集中选择第一数目的未标注数据;利用标注模型对所述第一数目的未标注数据进行预标注,以获得所述第一数目的未标注数据的预标注信息,其中,所述预标注信息包括预标注结果;向显示装置输出第二数目的未标注数据和所述第二数目的未标注数据的预标注结果,其中,所述第二数目的未标注数据为所述第一数目的未标注数据中的至少部分未标注数据;接收针对所述第二数目的未标注数据的预标注结果的反馈信息;以及基于所述反馈信息确定所述第二数目的未标注数据的最终标注结果。
【技术特征摘要】
1.一种数据标注方法,包括:从数据池的未标注数据集中选择第一数目的未标注数据;利用标注模型对所述第一数目的未标注数据进行预标注,以获得所述第一数目的未标注数据的预标注信息,其中,所述预标注信息包括预标注结果;向显示装置输出第二数目的未标注数据和所述第二数目的未标注数据的预标注结果,其中,所述第二数目的未标注数据为所述第一数目的未标注数据中的至少部分未标注数据;接收针对所述第二数目的未标注数据的预标注结果的反馈信息;以及基于所述反馈信息确定所述第二数目的未标注数据的最终标注结果。2.如权利要求1所述的方法,其中,所述预标注信息还包括数据得分,在所述显示装置上,所述第二数目的未标注数据是按照所述第二数目的未标注数据的数据得分排列的,在所述向显示装置输出第二数目的未标注数据和所述第二数目的未标注数据的预标注结果之前,所述方法还包括:根据所述第二数目的未标注数据的数据得分对所述第二数目的未标注数据进行排序。3.如权利要求1所述的方法,其中,所述预标注信息还包括数据得分,在所述向显示装置输出第二数目的未标注数据和所述第二数目的未标注数据的预标注结果之前,所述方法还包括:从所述第一数目的未标注数据中选择数据得分大于第一得分阈值或者小于第二得分阈值的未标注数据作为所述第二数目的未标注数据;或者从所述第一数目的未标注数据中选择数据得分最高的所述第二数目的未标注数据。4.如权利要求1所述的方法,其中,所述利用标注模型对所述第一数目的未标注数据进行预标注,以获得所述第一数目的未标注数据的预标注信息包括:在预定标注策略为高概率策略或边界策略的情况下,对于所述第一数目的未标注数据中的每个未标注数据,将该未标注数据输入所述标注模型进行类别预测,所述标注模型的输出结果用于指示该未标注数据属于至少一个预定类别的概率;以及确定所述至少一个预定类别中概率最大的预定类别为该未标注数据的预标注结果。5.如权利要求4所述的方法,其中,所述预标注信息还包括数据得分,所述利用标注模型对所述第一数目的未标注数据进行预标注,以获得所述第一数目的未标注数据的预标注信息还包括:在所述预定标注策略为所述高概率策略的情况下,对于所述第一数目的未标注数据中的每个未标注数据,确定该未标注数据属于至少一个预定类别的概率中的最大概率,并将所述最大概率作为该未标注数据的数据得分。6.如权利要求1所述的方法,其中,所述利用标注模型对所述第一数目的未标注数据进行预标注,以获得所述第一数目的未标注数据的预标注信息包括:在预定标注策略为高相似策略的情况下,对于所述第一数目的未标注数据中的每个未标注数据,将该未标注数据输入所述标注模型,以提取该未标注数据的数据特征;根据该未标注数据的数据特征与所述已标注数据集中的至少一个已标注数据的数据特征,计算该未标注数据与所述至少一个已标注数据之间的相似度;确定与该未标注数据之间的相似度最大的已标注数据所属的类别为该未标注数据的预标注结果。7.如权利要求6所述的方法,其中,所述预标注信息还包括数据得分,所述利用标注模型对所述第一数目的未标注数据进行预标注,以获得所述第一数目的未标注数据的预标注信息还包括:在所述预定标注策略为所述高相似策略的情况下,对于所述第一数目的未标注数据中的每个未标注数据,确定该未标注数据与至少一个已标注数据之间的相似度中的最大相似度,并将所述最大相似度作为该未标注数据的数据得分。8.如权利要求1所述的方法,其中,所述预标注信息还包括数据得分,所述利用标注模型对所述第一数目的未标注数据进行预标注,以获得所述第一数目的未标注数据的预标注信息包括:在预定标注策略为边界策略的情况下,对于所述第一数目的未标注数据中的每个未标注数据,将该未标注数据输入所述标注模型进行类别预测,所述标注模型的输出结果用于指示该未标注数据属于至少一个预定类别的概率;根据...
【专利技术属性】
技术研发人员:谢津,周昕宇,张华翼,
申请(专利权)人:北京迈格威科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。