[发明专利]一种数据标注方法、装置及电子设备

权利要求书

1.一种数据标注方法，其特征在于，所述方法包括：

基于新增训练数据和历史训练数据，对训练网络进行增量式训练，所述历史训练数据为已用于训练所述训练网络的已标注数据，所述新增训练数据为尚未用于训练所述训练网络的已标注数据；

将待标注数据，和经过训练后的所述训练网络的模型参数输入至测试网络，得到所述测试网路的输出结果，作为预测值，所述测试网络的网络结构与所述训练网络的网络结构相同，所述待标注数据为与所述新增训练数据和所述历史训练数据不同的数据；

基于针对所述预测值的调整指令，对所述预测值进行调整，得到调整后的预测值，作为真值；

将标注有所述真值的所述待标注数据作为新的新增训练数据，并返回执行所述基于新增训练数据和历史训练数据，对训练网络进行增量式训练，得到经过训练后的所述训练网络的模型参数的步骤。

2.根据权利要求1所述的方法，其特征在于，在所述基于针对所述预测值的调整指令，对所述预测值进行调整，得到所述待标注数据的真值之后，所述方法还包括：

计算所述真值与所述预测值之间的差值，得到所述待标注数据对应的偏差；

所述基于新增训练数据和历史训练数据，对训练网络进行增量式训练，包括：

基于新增训练数据、历史训练数据、以及新增训练数据对应的偏差，对训练网络进行增量式训练，其中，新增训练数据对应的偏差，用于调整训练所述训练网络时的收敛方向。

3.根据权利要求2所述的方法，其特征在于，所述计算所述真值与所述预测值之间的差值，得到待标注数据的偏差，包括：

计算所述真值与所述预测值之间的差值；

对所述差值进行归一化，以将所述差值映射至所述待标注数据的取值区间，得到归一化后的差值，作为待标注数据对应的偏差。

4.根据权利要求2所述的方法，其特征在于，所述训练网络预先通过以下方式训练：

基于预先经过人工标注的样本训练数据以及所述样本训练数据对应的偏差，对训练网络进行训练，其中，所述基于预先经过人工标注的样本训练数据对应的偏差为0。

5.根据权利要求1所述的方法，其特征在于，在所述基于新增训练数据和历史训练数据，对训练网络进行增量式训练之后，所述方法还包括：

确定经过训练后的所述训练网络的性能，是否高于本次训练前的所述训练网络的性能；

如果经过训练后的所述训练网络的性能，高于本次训练前的所述训练网络的性能，执行所述将待标注数据，和所述模型参数输入至测试网络，得到所述测试网路的输出结果，作为预测值的步骤；

如果经过训练后的所述训练网络的性能，不高于本次训练前的所述训练网络的性能，将所述训练网络的模型参数更改为本次训练前的模型参数，并终止对所述训练网络的训练。

6.根据权利要求1所述的方法，其特征在于，在所述基于新增训练数据和历史训练数据，对训练网络进行增量式训练之后，所述方法还包括：

确定所述训练网络的训练次数是否达到预设次数阈值；

如果所述训练网络的训练次数达到所述预设次数阈值，终止对所述训练网络的训练；

如果所述训练网络的训练次数未达到所述预设次数阈值，执行所述将待标注数据，和经过训练后的所述训练网络的模型参数输入至测试网络，得到所述测试网路的输出结果，作为预测值的步骤。