具有图像分析的主动学习的基于人工智能的注释框架制造技术

呈现了用于提供具有图像分析的主动学习的基于人工智能的注释框架的系统和技术。在一个示例中，系统注释与特征学习处理的一组图像相关联的训练数据。该系统还基于特征学习处理来增量地更新工程部件的分析人工智能模型。

【技术实现步骤摘要】
具有图像分析的主动学习的基于人工智能的注释框架
本公开大体涉及人工智能。
技术介绍
人工智能(AI)可以用于各种技术的数字图像的分类和/或分析。在一个示例中，可以将AI用于图像识别。为了生成人工智能模型，通常进行训练图像集的注释。训练图像集的注释通常是由用户进行的手动任务。这样，使用常规人工智能技术的训练图像集的注释通常比较麻烦和/或容易出错。此外，在训练图像集的注释期间，通常在用户犯错的情况下提供可靠性较低和/或准确性较差的人工智能模型。此外，利用常规人工智能技术，可能需要训练图像集的重新注释和/或人工智能模型的重新建模。这样，可以改进常规人工智能技术。
技术实现思路
下面呈现了本说明书的简化概述，以便提供对本说明书某些方面的基本理解。该概述不是本说明书的广泛综述。它既不旨在标识本说明书的关键或重要元件，也不旨在描述本说明书的特定实施方式的任何范围或权利要求书的任何范围。其唯一目的是以简化的形式呈现本说明书的一些概念，作为稍后呈现的更详细描述的序言。根据一个实施例，系统包括注释部件和主动学习部件。注释部件注释与特征学习处理的一组图像相关联的训练数据。主动学习部件基于特征学习处理来增量地更新工程部件的分析人工智能模型。根据另一实施例，提供了一种方法。该方法包括注释与特征学习处理的一组图像相关联的训练数据。该方法还包括基于特征学习处理来增量地更新工程部件的人工智能模型。根据又一实施例，提供了一种计算机可读存储装置。该计算机可读存储装置包括指令，该指令响应于执行而使包括处理器的系统进行操作，包括注释与特征学习处理的一组图像相关联的训练数据。处理器还进行操作，包括基于特征学习处理来增量地更新工程部件的人工智能模型。处理器还进行操作，包括将人工智能模型提供给显示装置，以以人类可解释的格式显示与人工智能模型相关联的信息。以下描述和附图阐述了本说明书的某些说明性方面。然而，这些方面仅指示可以采用本说明书的原理的各种方式中的几种。当结合附图考虑时，根据以下本说明书的详细描述，本说明书的其他优点和新颖特征将变得显而易见。附图说明结合附图考虑以下详细描述，本专利技术的许多方面，实施方式，目的和优点将变得显而易见，其中相同的参考字符始终指代相同的部分，并且其中：图1示出了根据本文描述的各个方面和实施方式的示例人工智能部件的高级框图；图2示出了根据本文描述的各个方面和实施方式的另一示例人工智能部件的高级框图；图3示出了根据本文描述的各个方面和实施方式的与具有图像分析的主动学习的基于人工智能的注释框架相关联的示例系统；图4示出了根据本文描述的各个方面和实施方式的与具有图像分析的主动学习的基于人工智能的注释框架相关联的另一示例系统；图5示出了根据本文描述的各个方面和实施方式的与具有图像分析的主动学习的基于人工智能的注释框架相关联的又一示例系统；图6示出了根据本文描述的各个方面和实施方式的与具有图像分析的主动学习的基于人工智能的注释框架相关联的又一示例系统；图7示出了根据本文描述的各个方面和实施方式的与具有图像分析的主动学习的基于人工智能的注释框架相关联的示例用户界面；图8描绘了根据本文描述的各个方面和实施方式的用于提供具有图像分析的主动学习的基于人工智能的注释框架的示例方法的流程图；图9是示出合适的操作环境的示意框图；和图10是样本计算环境的示意框图。具体实施方式现在参考附图描述本公开的各个方面，其中相同的附图标记始终用于指代相同的元件。在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供一个或多个方面的透彻理解。但是，应当理解，可以在没有这些具体细节或具有其他方法，部件，材料等的情况下实践本公开的某些方面。在其他实例中，以框图形式示出了公知的结构和装置，以有助于描述一个或多个方面。呈现了提供具有图像分析的主动学习的基于人工智能(AI)的注释框架的系统和技术。例如，本文公开的基于AI的注释框架可以是图像注释的数字框架和/或交互式框架。本文公开的基于AI的注释框架还可以生成分析模型(例如，AI分析模型)和/或可以通过图像分析的主动学习部件来增量地更新分析模型。一方面，本文公开的基于AI的注释框架可以生成分析模型(例如，AI分析模型)而无需采用先前生成的注释。另一方面，本文公开的基于AI的注释框架可以增量地更新分析模型(例如，AI分析模型)，而无需丢弃分析模型(例如，AI分析模型)和/或先前生成的与分析模型相关联的数据的一个或多个部分。在实施例中，可以提供界面，其中可以针对给定特征进行训练集的图像注释。在另一个实施例中，本文公开的基于AI的注释框架可以实例化在与基于AI的注释框架相关联的系统中可用的主动学习部件。在另一个实施例中，本文公开的基于AI的注释框架可以连接到服务器上可用的主动学习部件。在某些实施例中，可以在注释处理期间将反馈提供给主动分析模型，以促进增量学习和/或取消学习。在某些实施例中，本文公开的基于AI的注释框架可以连接到数据库(例如，数据湖)，服务器和/或系统，以推或拉新的分析模型(例如，新的分析AI模型)。此外，可以更新新的分析模型(例如，新的分析AI模型)。为了更新分析模型(例如，分析AI模型)，可以注释训练集(例如，新的训练集或先前生成的训练集)，以允许分析模型从训练集中学习。在某些实施例中，多个用户可以连接到基于AI的注释框架，以促进分析模型(例如，分析AI模型)的同时注释和/或更新。在另一个实施例中，基于AI的注释框架可以从与多个用户相关联的同时注释和/或更新中选择最佳分析模型。在某些实施例中，可以采用当前版本的分析模型(例如，分析AI模型)以在注释处理期间提供一个或多个预测和/或帮助。在某些实施例中，本文公开的基于AI的注释框架可以显示与分析模型(例如，分析AI模型)的注释相关联的信息，以促进分析模型的主动学习处理。这样，可以提供人工智能模型的增量学习。还可以改进与分析模型(例如，分析AI模型)相关联的注释。增量学习还可以减轻对重新注释训练图像集和/或重新建模人工智能模型的需求。此外，可以改进分析模型(例如，分析AI模型)的质量和/或有效性。还可以提供人工智能模型的自动构建和/或训练人工智能模型的自动注释。此外，可以改进生成与图像数据相关联的分析模型(例如，分析AI模型)的一个或多个处理器的性能和/或效率。首先参考图1，示出了根据本公开的一个或多个实施例的提供具有图像分析的主动学习的基于AI的注释框架的示例系统100。系统100可以由各种系统(例如但不限于工程系统，工程部件系统，装备系统，航空系统，发动机系统，飞行器系统，汽车系统，水运系统，工业装备系统，资产系统，工业系统，制造系统，工厂系统，能源管理系统，电网系统，供水系统，运输系统，医疗保健系统，医疗装置系统，医学成像系统，医学诊断系统，医疗系统，医学建模系统，企业成像解决方案系统，高级诊断工具系统，模拟系统，图像管理平台系统，护理交付管理系统，炼油厂系统，媒体系统，金融系统，数据驱动预测系统，诊断系本文档来自技高网...

【技术保护点】
1.一种系统，其特征在于，包括：/n存储器，所述存储器存储计算机可执行部件；和/n处理器，所述处理器执行存储在所述存储器中的所述计算机可执行部件，其中，所述计算机可执行部件包括：/n注释部件，所述注释部件注释与特征学习处理的一组图像相关联的训练数据；和/n主动学习部件，所述主动学习部件基于所述特征学习处理来增量地更新工程部件的分析人工智能模型。/n

【技术特征摘要】
20190430 US 16/399,3371.一种系统，其特征在于，包括：
存储器，所述存储器存储计算机可执行部件；和
处理器，所述处理器执行存储在所述存储器中的所述计算机可执行部件，其中，所述计算机可执行部件包括：
注释部件，所述注释部件注释与特征学习处理的一组图像相关联的训练数据；和
主动学习部件，所述主动学习部件基于所述特征学习处理来增量地更新工程部件的分析人工智能模型。


2.根据权利要求1所述的系统，其特征在于，其中，所述主动学习部件与存储所述分析人工智能模型的服务器部件通信。


3.根据权利要求2所述的系统，其特征在于，其中，所述注释部件基于与所述服务器部件存储的所述分析人工智能模型相关联的数据来注释所述训练数据。


4.根据权利要求1所述的系统，其特征在于，其中，所述主动学习部件在服务器上实施。


5.根据权利要求1所述的系统，其特征在于，其中，所述主动学习部件经由第一建模处理增量地更新所述分析人工智能模型，并且其中，相对于第二建模处理增量地更新所述分析人工智能模型，所...

【专利技术属性】
技术研发人员：拉杰库马尔·辛哈·孔沃尔，马尼·阿贝迪尼，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：美国;US