[发明专利]一种自动标注数据集的方法及标注系统

说明书

本发明公开了一种自动标注数据集的方法及标注系统，涉及图像处理技术领域，包括以下步骤：将多分类的大数据集拆分成单分类数据，并得到相应的单分类数据集；标注少量的单分类数据集，并送入模型进行单分类数据集训练，从而实现对单分类数据集的自动标记；将标记完成的所有种类的单分类数据集进行批量修改对应类别的编号，并合并成一个已标注好大数据集文件；将合并所得的多分类大数据集送入模型训练并再识别数据集，以完成多分类大数据集的自动标注工作，本发明采用单分类训练，自动标记数据集、再训练，最后将单分类数据集合并到一起从而完成多分类、大数据集的制作，采用该方案会降低计算机功耗，节约开发时间。

技术领域

本发明涉及图像处理技术领域，具体涉及一种自动标注数据集的方法及标注系统。

背景技术

图像自动化处理技术在医疗卫生、国民教育、城市交通、大众娱乐等越来越多越多的领域体现了其带来的便利和优势。利用图像自动化处理技术，模拟人类在复杂环境下进行目标检测与识别的研究有着非常重要的意义，其作为图像处理技术的一个分支，在日常生产生活中有着十分广泛的应用，如该技术可以广泛应用在人脸识别、车牌号码识别、机器人导航、自动驾驶等领域。

现有的图像处理中的多标记学习算法主要是从问题转换或者算法改进的思路出发对多标记数据进行建模。问题转换方法将多标记学习问题进行分解或者转换，算法改进方法则通过改进算法的核心思想以适应多标记数据。这些算法都是有监督式的，需要足够多的标记样本进行学习。而且，这些方法都没有对多标记数据进行处理。模型的构建和特征的学习是割裂开的，而数据实例的原始特征往往不是最适合进行多标记学习的。此外，问题转换的算法往往需要解决多个子问题，这些子问题的计算量随着原始数据维度的增加而变得十分庞大。因此，传统的多标记学习算法还存在以下的局限性：

1、传统的多标记学习算法是有监督式的学习方法，需要足够多的标记样本，当标记样本过少时，多标记学习的效果会受到很大影响，然而在多数的分类场景中，已标记的样本都是相当缺乏的，并且不同标记对应的样本存在严重的不均衡现象，这导致对于某些标记来说，已标记的样本变得更为稀缺。

2、传统的多标记算法对多标记数据的建模往往是基于数据的原始特征，当原始特征存在较大噪音时，多标记学习的效果往往不好，然而原始特征不一定是最有利于分类的特征，在多标记学习中，所有标记对应的是相同的一组特征，但是不同标记所需要的区分特征都不一样，所以需要找出所有标记的共有的特征子空间或者不同标记的不同特征子空间。

3、问题转换方法将多标记问题分解为多个子问题，这些子问题往往需要从原始特征中构建不同的训练数据，在这个过程中会产生很多原始特征的副本，如果原始特征维度较高，则会产生很大的内存消耗和计算量，导致模型的构建变得非常费时。

因此，本申请提出了一种自动标注数据集的方法及标注系统，以解决上述问题。

发明内容

本发明的目的在于提供一种自动标注数据集的方法及标注系统，以解决上述背景技术中提出的现有技术中存在的问题。

为实现上述目的，本发明提供如下技术方案：

S1：将多分类的大数据集拆分成单分类数据，并得到相应的单分类数据集；

S2：标注少量的单分类数据集，并送入模型进行训练再识别，得到数据集中相应目标类别的坐标信息；

S3：批量修改单分类数据集对应类别的编号，实现对单分类数据集的自动标记；

S4：将标记完成的单分类数据集合并成一个大数据集文件；

S5：将合并所得的多分类大数据集送入模型训练并进行再识别，以完成多分类大数据集的自动标注工作。

优选的，所述单分类数据集自动标记的具体过程为：