[发明专利]一种基于深度学习的图像自动化标注方法及系统

权利要求书

1.一种基于深度学习的图像自动化标注方法，其特征在于，包括：

步骤1、采集待标注数据存入分布式文件系统中；

步骤2、基于标注需求，对待标注数据创建标注任务；

步骤3、判断当前是否存在可供使用的自动标注模型，若不存在，则将一部分标注数据分配人工标注，根据人工标注结果训练初步自动标注模型，用于自动化标注；若存在，则在已有自动标注模型的情况下，对新建的标注任务执行自动化标注；

步骤4、自动化标注结束后，标注人员对自动化标注结果进行人工复核，并将标注结果存入数据库中，用于后续的模型训练和优化。

2.如权利要求1所述的基于深度学习的图像自动化标注方法，其特征在于，在步骤1中，所述待标注数据包括图片数据、音频数据、文本数据和视频数据。

3.如权利要求1所述的基于深度学习的图像自动化标注方法，其特征在于，在步骤2中，每个标注任务配置有标注类型、对应的数据集合和分配的标注人员。

4.一种基于深度学习的图像自动化标注系统，其特征在于，包括：

采集模块，用于采集待标注数据存入到分布式文件系统中；

标注系统管理端，用于基于标注需求，对待标注数据创建标注任务；

判断模块，用于判断当前是否存在可供使用的自动标注模型；

自动标注模型建立模块，用于当不存在可供使用的自动标注模型时，将一部分标注数据分配人工标注，根据人工标注结果训练初步自动标注模型；

自动标注模型，用于当存在可供使用的自动标注模型时，在已有自动标注模型的情况下，对新建的标注任务执行自动化标注；

复核模块，用于在自动化标注结束后，标注人员对自动化标注结果进行人工复核，并将标注结果存入数据库中；

训练及优化模块，用于基于数据库中存储的自动化标注结果对自动标注模型进行训练及优化。

5.如权利要求1所述的基于深度学习的图像自动化标注系统，其特征在于，所述待标注数据包括图片数据、音频数据、文本数据和视频数据。

6.如权利要求1所述的基于深度学习的图像自动化标注系统，其特征在于，每个标注任务配置有标注类型、对应的数据集合和分配的标注人员。