样本标注方法、装置及计算机存储介质制造方法及图纸

本申请提供一种样本标注方法、装置及计算机存储介质，包括基于各特征类别，针对候选样本执行预测，获得候选样本对应于各特征类别的各预测结果；根据候选样本对应于各特征类别的各预测结果，确定候选样本的样本类别；根据候选样本的样本类别，获取满足标注需求的未标注样本以进行样本标注。借此，本申请可自动筛选出对于模型训练具有较大增益效果的高质量样本，以减少人工标注成本，并提高样本标注效率。并提高样本标注效率。并提高样本标注效率。

【技术实现步骤摘要】
样本标注方法、装置及计算机存储介质


[0001]本申请实施例涉及数据处理
，特别涉及一种样本标注方法、装置及计算机存储介质。

技术介绍

[0002]在人工智能的实际应用过程中，需要针对模型预测准确性较差的情况，补充相关的训练数据以提升模型的预测效果，然而，若针对对应于所有情况的所有待标注数据进行标注，则需要投入大量的人力以及时间成本。
[0003]因此，如何从大量待标注数据中获取对模型增益最大的高质量的样本，以提升样本标注效率，进而提升模型的预测精度，减少人力成本，是当前亟需解决的技术课题。

技术实现思路

[0004]鉴于上述问题，本申请提供一种样本标注方法、装置及计算机存储介质，可获取对模型训练增益最大的高质量样本，以减少人工标注成本，并提高样本标注效率。
[0005]本申请第一方面提供一种样本标注方法，包括：基于各特征类别，针对候选样本执行预测，获得所述候选样本对应于各特征类别的各预测结果；根据所述候选样本对应于各特征类别的各预测结果，确定所述候选样本的样本类别；根据所述候选样本的样本类别，获取满足标注本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种样本标注方法，包括：基于各特征类别，针对候选样本执行预测，获得所述候选样本对应于各特征类别的各预测结果；根据所述候选样本对应于各特征类别的各预测结果，确定所述候选样本的样本类别；根据所述候选样本的样本类别，获取满足标注需求的未标注样本以进行样本标注。2.根据权利要求1所述的样本标注方法，其中，所述候选样本包括多个，且所述基于各特征类别，针对候选样本执行预测，获得所述候选样本对应于各特征类别的各预测结果，包括：根据候选样本的数量、每一个候选样本的样本特征的特征维度，生成样本特征矩阵；根据所述样本特征矩阵，获得类别分布公式；利用所述类别分布公式，以基于各特征类别，针对每一个候选样本执行预测，获得每一个候选样本对应于各特征类别的各预测结果。3.根据权利要求2所述的样本标注方法，其中，所述类别分布公式表示为：其中，所述x表示所述样本特征矩阵，所述k表示所述候选样本的数量，所述∑为所述样本特征矩阵的协方差矩阵，所述μ为所述样本特征矩阵中的每一列的平均值。4.根据权利要求2所述的样本标注方法，其中，所述方法还包括：利用训练好的变分自编码器针对每一个候选样本执行预测，以获得每一个候选样本的样本特征。5.根据权利要求2或3所述的样本标注方法，其中，所述特征类别包括第一特征类别和第二特征类别；且其中，所述利用所述类别分布公式，以基于各特征类别，针对每一个候选样本执行预测，获得每一个候选样本对应于各特征类别的各预测结果，包括：利用所述类别分布公式，基于所述第一特征类别、每一个候选样本的样本特征，针对每一个候选样本执行类别分布预测，获得每一个候选样本对应于所述第一特征类别的第一类别分布值；利用所述类别分布公式，基于所述第二特征类别、每一个候选样本的样本特征，针对每一个候选样本执行类别分布预测，获得每一个候选样本对应于所述第二特征类别的第二类别分布值。6.根据权利要求5所述的样本标注方法，其中，所述候选样本包括图像样本，所述第一特征类别为所述候选样本包含有指定对象，所述第二特征类别为所述候选样本不包含所述指定对象。7.根据权利要求5所述的样本标注方法，其中，所述样本类别包括第一样本类别，所述候选样本包括已标注样本；且其中，所述根据所述候选样本对应于各特征...

【专利技术属性】
技术研发人员：张庆伍，
申请(专利权)人：上海云从企业发展有限公司，
类型：发明
国别省市：