【技术实现步骤摘要】
本专利技术涉及计算机领域，特别涉及一种用于多模态数据标注的系统及方法，使用深度学习模型的目标检测算法，加快标注人员在需标注数据上进行标注的效率。
技术介绍
1、多模态数据标注是计算机视觉与数据科学领域的一个重要研究领域，它涉及为包含文本、图像、音频、视频等多种类型信息的数据赋予语义标签、元数据或注释。这些标注使得计算机系统能够理解和处理这些信息。多模态数据标注的目标是将数据与语义信息关联起来，例如分类标签、描述性文本、情感情感极性等，以便于计算机系统更好地理解和分析这些数据。这种标注通常由人工标注员完成，他们根据数据的内容和特点，为数据添加适当的标签和注释，但是人工标注会随之带来高成本、时间消耗、数据整合难度、一致性和标准化等问题。多模态数据标注的重要性在于提高机器的理解能力。当计算机系统能够理解不同模态的数据时，它们可以更好地处理和分析这些数据，从而提高在各种应用中的性能。
2、随着数字化技术的快速发展，多模态数据的获取和应用已经成为现实生活和各个行业中的常见情况。这些多模态数据通常包括图像、文本等不同形式的信息，这些信息...
【技术保护点】
1.一种基于深度学习的多模态标注方法，其步骤包括：
2.根据权利要求1所述的方法，其特征在于，利用多模态标注模块对多模态数据进行标注的方法为：首先根据设定的标注任务的具体内容和标准，确定需要标注的数据类型、标签体系；然后根据标注任务选择多模态标注形式，对所述多模态数据进行标注，得到所述数据集。
3.根据权利要求2所述的方法，其特征在于，采用YOLO算法利用所述数据集训练深度学习模型。
4.根据权利要求3所述的方法，其特征在于，所述YOLO算法包括多通道输入端、Backbone层和多通道输出端；所述Backbone层包括Focus结构...
【技术特征摘要】
1.一种基于深度学习的多模态标注方法，其步骤包括：
2.根据权利要求1所述的方法，其特征在于，利用多模态标注模块对多模态数据进行标注的方法为：首先根据设定的标注任务的具体内容和标准，确定需要标注的数据类型、标签体系；然后根据标注任务选择多模态标注形式，对所述多模态数据进行标注，得到所述数据集。
3.根据权利要求2所述的方法，其特征在于，采用yolo算法利用所述数据集训练深度学习模型。
4.根据权利要求3所述的方法，其特征在于，所述yolo算法包括多通道输入端、backbone层和多通道输出端；所述backbone层包括focus结构、csp结构和clip结构；其中，对于所述数据集中每一标注的多模态数据，训练方法为：
5.根据权利要求1或2或...
【专利技术属性】
技术研发人员：宋东泽，崔强，王露笛，崔文娟，杜一，
申请(专利权)人：中国科学院计算机网络信息中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。