申请/专利权人：中科(厦门)数据智能研究院

申请日：2020-10-29

公开（公告）日：2024-03-22

公开（公告）号：CN112308139B

主分类号：G06V10/774

分类号：G06V10/774;G06V20/70;G06F16/532;G06F16/583

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.03.01#著录事项变更;2021.02.23#实质审查的生效;2021.02.02#公开

摘要：本发明公开了一种基于主动学习的样本标注方法，包括如下步骤：S1、从样本池中随机小样本抽样并标注，得到初始标注样本；S2、采用度量学习计算初始标注样本与待标注样本的特征距离，生成特征距离图，遍历特征距离图，在样本池中寻找与初始标注样本距离小于阈值的样本并抽取出来；S3、将抽取出来的样本再次进行标注并汇入初始标注样本形成样本训练库，以样本训练库为样本集训练检索模型；S4、通过检索模型从样本池中检索出更多的负样本再次进行标注，并汇入样本训练库，形成最终的训练集。本发明采用计算特征距离及图片检索的方式快速抽取样本池中的负样本，在保持模型精度的前提下，大幅度降低标注时间，节约成本，利于工业智能算法的多产线推广。

主权项：1.一种基于主动学习的样本标注方法，其特征在于：包括如下步骤：S1、从样本池中随机小样本抽样，作为主动学习的初始数据集并标注，得到初始标注样本；S2、采用度量学习计算初始标注样本与待标注样本的特征距离，生成特征距离图，遍历特征距离图，在样本池中寻找与初始标注样本距离小于阈值的样本并抽取出来，所述特征距离利用余弦相似度计算，计算公式如下： 其中，similarity表示特征距离，A为初始标注样本集，B为待标注样本集；S3、将抽取出来的样本再次进行标注并汇入初始标注样本形成样本训练库，以样本训练库为样本集训练检索模型；S4、通过检索模型从样本池中检索出更多的负样本再次进行标注，并汇入样本训练库，形成最终的训练集，所述的从样本池中检索具体为：以负样本作为检索图片，所述检索模型从样本池中挑选出与所述检索图片最相似即特征距离最近的前n张图，然后对检索出来的前n张图进行简单的清洗。

全文数据：

权利要求：

百度查询： 中科(厦门)数据智能研究院 一种基于主动学习的样本标注方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD