自学习多调度云端标注平台、工作方法、电子设备及介质技术

本发明专利技术公开了一种自学习多调度云端标注平台工作方法，包括以下步骤：S1：获取当前图片数据；S2：判断模块判断所述当前图片数据是否需要人工审核；S3：根据当前人工审核能力值，所述当前图片数据被数据分发端分发至人工审核端；S4：所述当前图片数据被人工审核端判断AI识图系统对当前图片标注的内容是否有误；S5：对当前图片数据进行人工标注，在当前图片数据上形成人工标注数据；S6：智能分发自学习端基于动态第一学习集自学习得到新的判断能力值；智能分发自学习端基于动态第二学习集得到新的人工审核能力值；S7：判断模块根据新的判断能力值进行更新，数据分发端根据新的人工审核能力值进行更新。能力值进行更新。能力值进行更新。

【技术实现步骤摘要】
自学习多调度云端标注平台、工作方法、电子设备及介质


[0001]本专利技术涉及系统自学习
，具体涉及一种自学习多调度云端标注平台、工作方法、电子设备及介质。

技术介绍

[0002]如图2、图3所示，集中判图业务主要由安检智能分析仪、图片分发系统、集中判图系统、判图工作站、监视终端系统、安检监管平台构成，能够实现包括包裹图像自动识别违禁品、包裹图像上送、判图员远程判图、监视终端物检处置的信息化、智慧化闭环等功能。
[0003]现有技术中，对于判图员的人工审核判图能力缺乏有效的判断，图片分发系统也无法根据人工审核判图能力来给判图员推送相匹配的任务量，同时智能系统的自学习更新通常都是根据相应的样本数据进行静态的更新，集中判图系统进行更新时需要在暂停其工作时进行，影响工作效率。
[0004]因此针对以上问题提供一种自学习多调度云端标注平台、工作方法、电子设备及介质具有重要意义。

技术实现思路

[0005]本专利技术的目的在于提供一种自学习多调度云端标注平台、工作方法、电子设备及介质，以解决上述背景技术中所提出的问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自学习多调度云端标注平台工作方法，其特征在于，包括以下步骤：S1：获取当前图片数据，所述当前图片数据包括当前图片以及AI识图系统对当前图片标注的内容；S2：判断模块判断所述当前图片数据是否需要人工审核；若是，所述当前图片数据被推送至数据分发端，转S3；S3：根据当前人工审核能力值，所述当前图片数据被数据分发端分发至人工审核端；S4：所述当前图片数据被人工审核端判断AI识图系统对当前图片标注的内容是否有误；若是，将当前图片数据推送至人工标注端，转S5；若否，将当前图片数据推送至智能分发自学习端的动态第一学习集，转S6；S5：对当前图片数据进行人工标注，在当前图片数据上形成人工标注数据，将人工标注后的当前图片数据经人工审核端确认无误后，再推送给智能分发自学习端的动态第二学习集；将人工标注后的当前图片数据直接推送给智能分发自学习端的动态第二学习集；S6：智能分发自学习端基于动态第一学习集自学习得到新的判断能力值；智能分发自学习端基于动态第二学习集得到新的人工审核能力值；S7：判断模块根据新的判断能力值进行更新，数据分发端根据新的人工审核能力值进行更新。2.根据权利要求1所述的一种自学习多调度云端标注平台工作方法，其特征在于，还包括以下步骤：S0：从云端调取当前图片，AI识图系统对当前图片进行标注形成对当前图片标注的内容。3.根据权利要求1所述的一种自学习多调度云端标注平台工作方法，其特征在于，判断模块判断所述当前图片数据是否需要人工审核的依据包括：AI识图系统标注出的当前图片违禁品信息和当前图片背景复杂度。4.根据权利要求1所述的一种自学习多调度云端标注平台工作方法，其特征在于，S2还包括：判断模块判断所述当前图片数据是否需要人工审核，若否，所述当前图片数据被推送至动态可信数据库。S4还包括：所述当前图片数据被人工审核端判断AI识图系统对当前图片标注的内容是否有误；若否，将当前图片数据推送至动态可信数据库；S5还包括：对当前图片数据进行人工标注，在当前图片数据上形成人工标注数据，将人工标注后的当前图片数据经人工审核端确认无误后，再推送给动态可信数据库；经S2、S4推送到动态可信数据库的当前图片数据和经S5推送到动态可信数据库的人工标注后的当前图片数据均作为可信数据构成动态第三学习集。5.根据权利要求4所述的一种自学习多调度云端标注平台工作方法，其特征在于，包括以下步骤：Sm：动态可信数据库中可信数据数目达到阈值时，调用动态可信数据库中的可信数据；Sn：对可信数据进行样本均衡化，获得均衡化的可信数据；So：根据均衡化的可信数据AI识图系统通过自学习算法进行自学习，得到新的AI识图<...

【专利技术属性】
技术研发人员：连天友，姜旭，邓秋雄，胡靖，陶佳，黄锐，蒲磊，赵玲，
申请(专利权)人：成都智元汇信息技术股份有限公司，
类型：发明
国别省市：