【技术实现步骤摘要】
本专利技术属于计算机视觉，具体涉及一种基于深度学习的图像数据自动标注方法及系统。
技术介绍
1、计算机视觉是人工智能的一个重要分支，它致力于使计算机能够“看”和“理解”图像和视频中的内容。随着计算机视觉技术的发展，如何对图像数据进行高效、自动的标注成为计算机视觉应用的重要发展方向。图像数据标注的需求又推动了计算机视觉技术的进一步创新和应用。随着技术的不断进步，图像标注技术将更加高效、准确，更好地满足不同领域和场景的需求。
2、现有的图像数据标注技术，存在如下缺陷：
3、1）标注效率低下：现有的图像标注方法往往依赖于人工进行，这不仅耗时耗力，而且在大规模图像数据集上效率低下，难以满足快速标注的需求；
4、2）标注准确性不高：人工标注容易受到主观因素的影响，如标注者的经验、疲劳程度等，导致标注结果存在误差和不一致性；
5、3）智能化程度低下：现有的图像标注技术缺乏动态调整标注策略的能力，一旦遇到标注性能下降的情况，无法及时调整标注策略以适应新的数据分布。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种基于深度学习的图像数据自动标注方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的图像数据自动标注方法，其特征在于：使用深度学习算法，构建图像数据自动标注模型，并使用强化学习算法，构建自动标注策略调整模型，包括如下步骤：
3.根据权利要求2所述的一种基于深度学习的图像数据自动标注方法，其特征在于：所述的图像数据自动标注模型基于FPN-Faster R-CNN-DANN-DBN算法构建，且图像数据自动标注模型包括基于FPN算法构建的图特征提取模块、基于Faster R-CNN算法构建的目标区域定位模块、基于DANN...
【技术特征摘要】
1.一种基于深度学习的图像数据自动标注方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的图像数据自动标注方法，其特征在于：使用深度学习算法，构建图像数据自动标注模型，并使用强化学习算法，构建自动标注策略调整模型，包括如下步骤：
3.根据权利要求2所述的一种基于深度学习的图像数据自动标注方法，其特征在于：所述的图像数据自动标注模型基于fpn-faster r-cnn-dann-dbn算法构建，且图像数据自动标注模型包括基于fpn算法构建的图特征提取模块、基于faster r-cnn算法构建的目标区域定位模块、基于dann算法构建的域对抗训练模块以及基于dbn算法构建的自动标注模块，所述的图特征提取模块、目标区域定位模块以及自动标注模块依次连接，所述的域对抗训练模块与目标区域定位模块连接，且域对抗训练模块包括依次连接的标签预测器和域分类器。
4.根据权利要求3所述的一种基于深度学习的图像数据自动标注方法，其特征在于：根据若干预处理后历史图像数据，使用深度学习算法，构建图像数据自动标注模型，包括如下步骤：
5.根据权利要求4所述的一种基于深度学习的图像数据自动标注方法，其特征在于：以最小化模型误差为优化目标，使用群智能优化算法，对初始的图像数据自动标注模型的初始模型参数进行优化，得到优化的图像数据自动标注模型。
...
【专利技术属性】
技术研发人员：郭哲滔，任宇翔，李明睿，沈寓实，马越，韩特，
申请(专利权)人：云海时空北京科技有限公司，
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。