[发明专利]一种数据标注方法、装置及电子设备

说明书

本发明实施例提供了一种数据标注方法、装置及电子设备。其中，方法包括：基于新增训练数据和历史训练数据，对预先经过训练的训练网络进行增量式训练；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；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。可以降低数据标注的人工成本。

技术领域

本发明涉及深度学习技术领域，特别是涉及一种数据标注方法、装置及电子设备。

背景技术

为提高神经网络的准确性，可以利用带有标注的样本数据对神经网络进行训练。在一些应用场景中，训练可能需要大量带有标注的样本数据。如果使用人工标注的方式获取带有标注的样本数据，需要花费较多的人工成本。

如果通过神经网络直接标注样本数据，标注数据的不准确性较高。如何提高神经网络标注数据的准确性，成为亟待解决的技术问题。

发明内容

本发明实施例的目的在于提供一种数据标注方法，以实现降低数据标注的人工成本。具体技术方案如下：

在本发明实施例的第一方面，提供了一种数据标注方法，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。

结合第一方面，在第一种可能的实现方式中，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。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，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。

结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，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，所述预先经过人工标注的样本训练数据对应的偏差为0。

结合第一方面，在第四种可能的实现方式中，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：