基于人工智能的图像标注校验方法、装置、设备及介质制造方法及图纸

本申请涉及人工智能技术领域，提供基于人工智能的图像标注校验方法，包括：接收到待标注文件时，将所述待标注文件对应的第一图像发送至多个标注端，以供所述标注端对所述第一图像进行标注，得到第二图像；接收到所有所述标注端反馈的所述第二图像时，基于所有所述第二图像中的标注区域进行一致性校验；检测到存在至少两个所述第二图像彼此之间的所述标注区域相同时，则判定所述一致性校验通过，并将所述标注区域相同的所述第二图像作为机器学习模型的训练样本；检测到所有所述第二图像彼此之间的所述标注区域均不相同时，则判定所述一致性校验不通过。本申请提高了对训练样本进行审核的效率，并减少了人工审核训练样本的成本。本。本。

【技术实现步骤摘要】
基于人工智能的图像标注校验方法、装置、设备及介质


[0001]本申请属于人工智能
，尤其涉及一种基于人工智能的图像标注校验方法、装置、设备及存储介质。

技术介绍

[0002]在构建深度学习的模型时，一般需要海量标注后的数据来训练模型。目前在人工标注样本后，为了保证训练样本的准确性，还需要对标注后的样本进行人工审核，只在审核通过后才会将训练样本输入到模型中进行训练学习，这样一来，不仅使得对样本审核的效率低下，还需要耗费一定的人工成本。

技术实现思路

[0003]鉴于以上内容，本专利技术提供一种基于人工智能的图像标注校验方法、装置、设备及存储介质，其目的在于解决现有技术中审核样本效率低下的技术问题。
[0004]为实现上述目的，本专利技术提供一种基于人工智能的图像标注校验方法，该方法包括：
[0005]接收到待标注文件时，将所述待标注文件对应的第一图像发送至多个标注端，以供所述标注端对所述第一图像进行标注，得到第二图像；
[0006]接收到所有所述标注端反馈的所述第二图像时，基于所有所述第二图像中的标注本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的图像标注校验方法，其特征在于，所述方法包括：接收到待标注文件时，将所述待标注文件对应的第一图像发送至多个标注端，以供所述标注端对所述第一图像进行标注，得到第二图像；接收到所有所述标注端反馈的所述第二图像时，基于所有所述第二图像中的标注区域进行一致性校验；检测到存在至少两个所述第二图像彼此之间的所述标注区域相同时，则判定所述一致性校验通过，并将所述标注区域相同的所述第二图像作为机器学习模型的训练样本；检测到所有所述第二图像彼此之间的所述标注区域均不相同时，则判定所述一致性校验不通过。2.如权利要求1所述的基于人工智能的图像标注校验方法，其特征在于，所述检测到存在至少两个所述第二图像彼此之间的所述标注区域相同时，则判定所述一致性校验通过，包括：当第二图像通过一致性校验时，则终端将第二图像作为机器学习模型的训练样本，并可将第二图像输入到机器学习模型中，以对机器学习模型进行训练。3.如权利要求1所述的基于人工智能的图像标注校验方法，其特征在于，所述将所述待标注文件对应的第一图像发送至多个标注端，包括：根据所述标注端对应的评分，确定满足第一预设条件的多个所述标注端作为目标标注端；将所述待标注文件对应的第一图像发送至所述目标标注端。4.如权利要求1所述的基于人工智能的图像标注校验方法，其特征在于，所述基于所有所述第二图像中的标注区域进行一致性校验之后，包括：将所述标注区域相同的所述第二图像对应的所述目标标注端的评分加一；和/或，将所述标注区域与其他第二图像不同的第二图像对应的所述目标标注端的评分减一。5.如权利要求1所述的基于人工智能的图像标注校验方法，其特征在于，所述基于所有所述第二图像中的标注区域进行一致性校验之后，包括：将所述标注区域相同的所述第二图像划分至同一样本组；检测到存在多个所述样本组时，根据第二预设条件从所述样本组中选取目标样本组；将所述目标样本组中的第二图像作为所述训练样本。6.如权利要求1所述的基于人工智能的图像标注校验方法，其特征在于，所述检测到所有所述第二图像彼此之间的所述标注区域均不相同时，则判定所述一致性校验不通过之后，包括：...

【专利技术属性】
技术研发人员：徐欣星，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：