[发明专利]一种图像样本的处理方法及装置、电子设备和存储介质

说明书

本公开涉及一种图像样本的处理方法及装置、电子设备和存储介质，其中，该方法包括根据自适应调整的一个或多个准则对未标注数据集中的数据进行排序，获得多个排序结果；将所述多个排序结果进行融合处理，得到目标排序结果；将所述目标排序结果中的数据，按照排序靠前先发送的策略发送给目标对象进行数据标注，以根据数据标注结果进行主动学习的模型训练。采用本公开，通过多准则和权重自适应调整得到的标注结果，可以达到预期的标注结果，从而可以根据该标注结果更好的对模型进行训练。

技术领域

本公开涉及机器学习技术领域，尤其涉及一种图像样本的处理方法及装置、电子设备和存储介质。

背景技术

主动学习技术属于机器学习的技术分支，用于以最小的标注成本获取最高性能的预测模型。近年来随着“大数据”时代的到来，正被日益广泛受各方研究者所关注。目前的主动学习是基于单一的准则，常常达不到预期的标注结果，从而也无法根据该标注结果更好的对模型进行训练。然而，相关技术中未存在有效的解决方案。

发明内容

本公开提出了一种图像样本的处理技术方案。

根据本公开的一方面，提供了一种图像样本的处理方法，所述方法包括：

根据自适应调整的一个或多个准则对未标注数据集中的数据进行排序，获得多个排序结果；

将所述多个排序结果进行融合处理，得到目标排序结果；

将所述目标排序结果中的数据，按照排序靠前先发送的策略发送给目标对象进行数据标注，以根据数据标注结果进行主动学习的模型训练。

采用本公开，在图像样本处理中，基于多准则的主动学习，通过对每个准则的权重进行自适应调整，可以强化对模型训练贡献高的准则，弱化对模型训练贡献低的准则，通过多准则和权重自适应调整得到的标注结果，可以达到预期的标注结果，从而可以根据该标注结果更好的对模型进行训练。

可能的实现方式中，所述根据自适应调整的一个或多个准则对未标注数据集中的数据进行排序，获得多个排序结果，包括：

在每次迭代中，将所述多个准则中的每个准则分别应用于未标注数据集中的数据，直至达到每次迭代需要标注的数据样本数量，结束本次迭代；

根据迭代处理结果，得到对应每个准则的分数序列；

根据所述分数序列，得到对应每个准则的排名序列，将所述排名序列作为所述排序结果。

采用本公开，在每次迭代中，将所述多个准则中的每个准则分别应用于未标注数据集中的数据，直至达到每次迭代需要标注的数据样本数量，从而得到对应每个准则的分数序列，通过分数序列可以得到排名序列，以便根据排名序列用于数据标注。

可能的实现方式中，所述分数序列，用于表征所述未标注数据集中数据接近最可能标注类型的评分顺序。

采用本公开，通过分数序列来表征所述未标注数据集中数据接近最可能标注类型的评分顺序，可以得到更精确的排名序列。

可能的实现方式中，所述根据所述分数序列，得到对应每个准则的排名序列，包括：

将所述未标注数据集在所述分数序列中数据的值，按照从小到大的顺序进行提取，得到所述排名序列。

采用本公开，可以将所述未标注数据集在所述分数序列中数据的值，按照从小到大的顺序进行提取，得到排名序列，由于根据评分顺序，可以得到更精确的排名序列，因此，能达到很好的数据标注效果。

可能的实现方式中，所述方法还包括：对所述一个或多个准则进行自适应调整；所述对所述一个或多个准则进行自适应调整包括：

根据所述排序结果的优化规则，自适应调整所述多个准则中的权重；