自动标记训练样本的方法和系统及监督学习的方法和系统技术方案

本发明专利技术提出了一种自动标记训练样本的方法和系统及监督学习的方法和系统，自动标记训练样本的方法的步骤如下：在学习系统对输入数据进行处理后得到输出数据，且执行系统依据所述学习系统得到的输出数据触发相应动作之后，判断被触发的动作是否执行成功；其中，在执行成功的情况下，自动对所述输入数据和输出数据进行标记，并将被标记的所述输入数据和输出数据作为所述学习系统的训练样本进行保存。自动标记获得的标记训练样本，减少了人工成本，提高了标记效率；另外将标记的训练样本储存在样本集中，能够满足在线的监督学习方式，或者其他的学习方式。

Methods and systems of automatically marking training samples and methods and systems of supervised learning

【技术实现步骤摘要】
自动标记训练样本的方法和系统及监督学习的方法和系统
本专利技术涉及机器学习领域，更具体的说是涉及一种自动标记训练样本的方法和系统及监督学习的方法和系统。
技术介绍
目前，深度学习成为新的研究热点并取得了突破性的研究成果，在图像处理等领域都得到了广泛的应用，卷积神经网络是常用的深度学习的算法，在图像处理尤其是图像识别上有很大的优势，表现出了很好地性能。但是，监督学习作为训练卷积神经网络的一种常见技术，通常需要对训练样本进行人工标记或者根据仿真数据/模拟数据进行标记，人工的标记方式需要耗费人力资源，增加不必要的人工成本，而且标记速度较慢；基于仿真/模拟数据会出现标记结果不准确的情况，而且需要场景编程，操作程序繁琐的同时还存在误差，由于无法高效准确的基于真实场景进行自动标记，通过监督学习的方式对卷积神经网络进行训练，效率和准确率都有待提高。因此，如何依据真实场景自动标记训练样本，如何通过自动标记训练样本提高神经网络的监督学习的效率和准确度是本领域技术人员亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种本文档来自技高网...

【技术保护点】
1.一种自动标记训练样本的方法，其特征在于，包括如下步骤：/n在学习系统对输入数据进行处理后得到输出数据，且执行系统依据所述学习系统得到的输出数据触发相应动作之后，判断被触发的动作是否执行成功；其中，/n在执行成功的情况下，自动对所述输入数据和输出数据进行标记，并将被标记的所述输入数据和输出数据作为所述学习系统的训练样本进行保存。/n

【技术特征摘要】
1.一种自动标记训练样本的方法，其特征在于，包括如下步骤：
在学习系统对输入数据进行处理后得到输出数据，且执行系统依据所述学习系统得到的输出数据触发相应动作之后，判断被触发的动作是否执行成功；其中，
在执行成功的情况下，自动对所述输入数据和输出数据进行标记，并将被标记的所述输入数据和输出数据作为所述学习系统的训练样本进行保存。


2.根据权利要求1所述的自动标记训练样本的方法，其特征在于，还包括步骤：输入数据到一个经过训练的学习系统中；其中，所述输入数据为从现实场景中获取的图像数据。


3.根据权利要求1所述的自动标记训练样本的方法，其特征在于，所述训练样本被保存在训练样本集中。


4.根据权利要求1所述的自动标记训练样本的方法，其特征在于，在被触发的动作执行失败的情况下，放弃学习系统的输出数据，并将输入数据发送给人工标记。


5.一种自动标记训练样本的系统，其特征在于，包括：数据处理模块(2)、执行模块(3)、判断模块(4)、自动标记模块(5)、存储模块(6)；其中，
所述数据处理模块(2)处理并输出数据；
所述执行模块(3)依据所述数据处理模块(2)得到的输出数据触发相应的执行动作；
所述判断模块(4)判断被触发的动作是否执行成功；
在执行成功的情况下，所述自动标记模块(5)对所述输入数据和输出数据进行标记，并由所述存储模块(6)将被标记的所述输入数据和输出数据作为所述学习系统的训练样本进行存储。


6.根据权利要求5所述的自动标记训练样本的系统，其特征在于，还包括：数据输入模块(1)，所述数据输入模块(1)用于输入数据到所述数据处理模块(2)；其中，所述输入数据为从现实场景中获取的图像数据，所述数据处理模块(2)为一个经过训练的学习系统。

【专利技术属性】
技术研发人员：伯斯坦·巴勃罗·大卫，
申请(专利权)人：深圳蓝胖子机器人有限公司，
类型：发明
国别省市：广东;44