一种深度学习标注方法、系统、计算机设备和存储介质技术方案

本发明专利技术公开一种深度学习标注方法、系统、计算机设备和存储介质。该方法包括：接收标注任务，其中所述标注任务包括待标注的目标数据和所述目标数据的类别标签；在人工标注模式下，检测到预设的智能标注模式触发条件被触发，将所述人工标注模式转变为智能标注模式，其中，所述人工标注模式为通过获取人工标注操作指令进行目标数据的标注；在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注。通过任务发布单元、标注单元和管理单元之间的相互协作，将整个标注流程串联起来，简化标注过程，能够使得不同角色在目标数据分类标注中更有效率的协同工作，提高工作效率。

【技术实现步骤摘要】
一种深度学习标注方法、系统、计算机设备和存储介质
本专利技术涉及计算机
，更具体地，涉及一种深度学习标注方法、系统、计算机设备和存储介质。
技术介绍
随着人工智能技术的不断进步，深度学习技术在各行各业的应用越来越突出。其中对于深度学习模型的有监督训练，需要大量的训练数据，数据的质量决定了模型的上限，而训练数据的产生是离不开数据标注的，数据标注作为机器学习工程中重要的一环，是构建AI金字塔的基础。目前，对于例如图像这样的数据标注，通常情况需要涉及三方，包括发布任务的算法工程师、标注员和管理人员。现有的工作方式存在以下问题：在多人参与的情况下，会带来大量部署和维护的问题，同时涉及大量数据分发和分配问题，繁杂且容易引入错误；用户和权限管理是多人参与下的一个重要需求，也是大部分标注工具缺失的功能；目前大量的标注工作需要使用人工完成，工作效率低下，人工成本高。
技术实现思路
为了解决上述问题中的至少之一，本专利技术第一方面提供一种深度学习标注方法，包括：接收标注任务，其中所述标注任务包括待标注的目标数据和所述目标数据的类别标签；在人工标注模式下，检测到预设的智能标注模式触发条件被触发，将所述人工标注模式转变为智能标注模式，其中，所述人工标注模式为通过获取人工标注操作指令进行目标数据的标注；在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注。在一个具体实施例中，在人工标注模式下，所述方法还包括：检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；若检索到存在所述包含所述类别标签的深度学习模型，响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型推荐的类别标签；响应于人工对所述推荐的类别标签的标注指令，获取已标注的目标数据。在一个具体实施例中，所述响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型推荐的类别标签，包括：响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型预测的置信度前k高的类别标签，其中k为自然数。在一个具体实施例中，在人工标注模式下，所述方法还包括:检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；若未检索到存在所述包含所述类别标签的深度学习模型，响应于人工对标注界面中待标注目标数据的操作指令，呈现所述标注任务中的所有类别标签；响应于人工基于所述所有类别标签中进行的标注指令，获取已标注的目标数据。在一个具体实施例中，所述在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注，包括：检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；若检索到存在所述包含所述类别标签的深度学习模型，使用所述包含所述类别标签的深度学习模型完成对所述待标注的目标数据的标注。在一个具体实施例中，所述若检索到存在所述包含所述类别标签的深度学习模型，使用所述包含所述类别标签的深度学习模型完成对所述待标注的目标数据的标注，包括：使用所述包含所述类别标签的深度学习模型对所述待标注的目标数据中的部分目标数据进行预测；读取所述包含所述类别标签的深度学习模型预测后已标注目标数据中置信度前m高的已标注目标数据作为至少一部分训练集，对所述包含所述类别标签的深度学习模型进行迭代训练，直到满足预设迭代结束条件，得到训练过的深度学习模型；使用所述训练过的深度学习模型完成对所述待标注的目标数据的标注，其中m为自然数。在一个具体实施例中，所述在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注，包括：检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；若未检索到存在所述包含所述类别标签的深度学习模型，使用基于所述标注任务从所述预先设置的多个深度学习模型中选择的深度学习模型完成对所述待标注的目标数据的标注。在一个具体实施例中，所述标注任务为目标检测标注任务或目标分类标注任务。在一个具体实施例中，所述触发条件为所述人工标注结果达到预定数量或所述人工标注结果达到预定数量且智能模式的权限预设为开启的。在一个具体实施例中，所述方法还包括：响应于任务发布员的标注任务发布指令，接收所述标注任务；响应于管理员的分配操作指令，将发布的标注任务分配到标注员账号；响应于标注员的标注操作指令，进行所述目标数据的标注。本专利技术第二方面提供一种深度学习标注系统，包括：任务发布单元，用于接收标注任务，其中所述标注任务包括待标注的目标数据和所述目标数据的类别标签；检测单元，用于在人工标注模式下，检测到预设的智能标注模式触发条件被触发，将所述人工标注模式转变为智能标注模式，其中，所述人工标注模式为通过获取人工标注操作指令进行目标数据的标注；智能标注单元，用于在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注。在一个具体实施例中，所述系统还包括：检索单元和人工标注单元，其中检索单元，用于检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；若检索单元检索到存在所述包含所述类别标签的深度学习模型，所述人工标注单元被配置为：响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型推荐的类别标签；响应于人工对所述推荐的类别标签的标注指令，获取已标注的目标数据。在一个具体实施例中，所述人工标注单元被进一步配置为：响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型预测的置信度前k高的类别标签，其中k为自然数。在一个具体实施例中，所述系统还包括：检索单元和人工标注单元，其中所述检索单元，用于检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；若所述检索单元未检索到存在所述包含所述类别标签的深度学习模型，所述人工检索单元被配置为：响应于人工对标注界面中待标注目标的操作指令，呈现所述标注任务中的所有类别标签；响应于人工基于所述所有类别标签中进行的标注指令，获取已标注的目标数据。在一个具体实施例中，所述系统还包括：检索单元，用于检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；所述智能标注单元还包括模型选择单元，若检索单元检索到存在所述包含所述类别标签的深度学习模型，所述模型选择单元使用所述包含所述类别标签的深度学习模型完成对所述待标注的目标数据的标注。在一个具体实施例中，所述模型选择单元还包括：初始预测单元，用于使用所述包含所述类别标签的深度学习模型对所述待标注的目标数据中的部分目标数据进行预测；模型迭代训练单元，本文档来自技高网...

【技术保护点】
1.一种深度学习标注方法，其特征在于，包括：/n接收标注任务，其中所述标注任务包括待标注的目标数据和所述目标数据的类别标签；/n在人工标注模式下，检测到预设的智能标注模式触发条件被触发，将所述人工标注模式转变为智能标注模式，其中，所述人工标注模式为通过获取人工标注操作指令进行目标数据的标注；/n在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注。/n

【技术特征摘要】
20210113 CN 202110040289X1.一种深度学习标注方法，其特征在于，包括：
接收标注任务，其中所述标注任务包括待标注的目标数据和所述目标数据的类别标签；
在人工标注模式下，检测到预设的智能标注模式触发条件被触发，将所述人工标注模式转变为智能标注模式，其中，所述人工标注模式为通过获取人工标注操作指令进行目标数据的标注；
在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注。


2.根据权利要求1所述的方法，其特征在于，在人工标注模式下，所述方法还包括：
检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；
若检索到存在所述包含所述类别标签的深度学习模型，
响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型推荐的类别标签；
响应于人工对所述推荐的类别标签的标注指令，获取已标注的目标数据。


3.根据权利要求2所述的方法，其特征在于，所述响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型推荐的类别标签，包括：
响应于人工对标注界面中待标注目标数据的操作指令，呈现所述包含所述类别标签的深度学习模型预测的置信度前k高的类别标签，
其中k为自然数。


4.根据权利要求1所述的方法，其特征在于，在人工标注模式下，所述方法还包括:
检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；
若未检索到存在所述包含所述类别标签的深度学习模型，
响应于人工对标注界面中待标注目标数据的操作指令，呈现所述标注任务中的所有类别标签；
响应于人工基于所述所有类别标签中进行的标注指令，获取已标注的目标数据。


5.根据权利要求1所述的方法，其特征在于，所述在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注，包括：
检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；
若检索到存在所述包含所述类别标签的深度学习模型，使用所述包含所述类别标签的深度学习模型完成对所述待标注的目标数据的标注。


6.根据权利要求5所述的方法，其特征在于，所述若检索到存在所述包含所述类别标签的深度学习模型，使用所述包含所述类别标签的深度学习模型完成对所述待标注的目标数据的标注，包括：
使用所述包含所述类别标签的深度学习模型对所述待标注的目标数据中的部分目标数据进行预测；
读取所述包含所述类别标签的深度学习模型预测后已标注目标数据中置信度前m高的已标注目标数据作为至少一部分训练集，对所述包含所述类别标签的深度学习模型进行迭代训练，直到满足预设迭代结束条件，得到训练过的深度学习模型；
使用所述训练过的深度学习模型完成对所述待标注的目标数据的标注，
其中m为自然数。


7.根据权利要求1所述的方法，其特征在于，所述在智能标注模式下，使用深度学习模型完成对所述待标注的目标数据的标注，包括：
检索预先设置的多个深度学习模型中是否存在包含所述类别标签的深度学习模型；
若未检索到存在所述包含所述类别标签的深度学习模型，使用基于所述标注任务从所述预先设置的多个深度学习模型中选择的深度学习模型完成对所述待标注的目标数据的标注。


8.根据权利要求1-7中任一项所述的方法，其特征在于，
所述标注任务为目标检测标注任务或目标分类标注任务。


9.根据权利要求1所述的方法，其特征在于，所述触发条件为所述人工标注结果达到预定数量或所述人工标注结果达到预定数量且智能模式的权限预设为开启的。


10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于任务发布员的标注任务发布指令，接收所述标注任务；
响应于管理员的分配操作指令，将发布的标注任务分配到标注员账号；
响应于标注员的标注操作指令，进行所述目标数据的标注。


11.一种深度学习标注系统，其特征在于，包括：
任务发布单元，用于接收标注任务，其中所述标注任务包括待标注的目标数据和所述目标数据的类别标签；
检测单元，用于在人工标注模式下，检测到预...

【专利技术属性】
技术研发人员：陈海波，罗志鹏，
申请(专利权)人：深延科技北京有限公司，
类型：发明
国别省市：北京;11