[发明专利]样本标注方法、装置、计算机设备和存储介质

权利要求书

1.一种样本标注方法，所述方法包括：

获取待标注样本；

将所述待标注样本输入训练好的神经网络，通过所述神经网络提取得到所述待标注样本的深度特征矩阵；

计算获得所述待标注样本的深度特征矩阵与各第一已标注样本的深度特征矩阵的第一距离矩阵；

根据所述第一距离矩阵，从所述第一已标注样本中确定所述待标注样本的匹配样本；

获取所述匹配样本的标签信息，将所述标签信息作为所述待标注样本的标签信息。

2.根据权利要求1所述的方法，其特征在于，所述计算获得所述待标注样本的深度特征矩阵与各第一已标注样本的深度特征矩阵的第一距离矩阵，包括：

获取第一已标注样本的深度特征矩阵；

分别计算所述待标注样本的深度特征矩阵与各所述第一已标注样本的深度特征矩阵的第一欧式距离；

将各所述第一欧式距离作为第一距离矩阵的矩阵元素，得到第一距离矩阵。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一距离矩阵，从所述第一已标注样本中确定所述待标注样本的匹配样本，包括：

根据所述第一距离矩阵中各矩阵元素的大小，从所述第一距离矩阵中选取第一预设数量的矩阵元素；

确定选取的各所述矩阵元素对应的第一已标注样本并返回给用户；

接收用户从所述第一已标注样本中选择的匹配样本。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练样本，所述训练样本包括第二已标注样本和未标注样本；

将所述第二已标注样本输入预设神经网络，对所述预设神经网络进行训练，得到训练好的初始神经网络；

从所述未标注样本中挑选价值样本；

将所述价值样本输入所述初始神经网络，迭代训练所述初始神经网络，得到训练好的神经网络。

5.根据权利要求4所述的方法，其特征在于，所述从所述未标注样本中挑选价值样本，包括：

将各所述未标注样本输入至所述初始神经网络，通过所述初始神经网络提取得到各所述未标注样本的深度特征矩阵；

计算获得各所述未标注样本的深度特征矩阵与各所述第二已标注样本的深度特征矩阵的第二距离矩阵；

根据所述第二距离矩阵，从所述未标注样本中挑选价值样本。

6.根据权利要求5所述的方法，其特征在于，所述计算获得各所述未标注样本的深度特征矩阵与各所述第二已标注样本的深度特征矩阵的第二距离矩阵，包括：

获取各所述第二已标注样本的深度特征矩阵；

将任意一个所述未标注样本的深度特征矩阵分别与各所述第二已标注样本的深度特征矩阵进行组合，得到矩阵对；

计算各所述矩阵对中两个深度特征矩阵的欧式距离；

将各所述矩阵对的欧式距离作为第二距离矩阵的矩阵元素，得到第二距离矩阵。

7.根据权利要求5所述的方法，其特征在于，根据所述第二距离矩阵，从所述未标注样本中挑选价值样本，包括：

根据所述第二距离矩阵中各所述未标注样本对应的矩阵元素的大小，分别为各所述未标注样本从对应的矩阵元素中选取第二预设数量的矩阵元素；

分别计算各所述未标注样本对应第二预设数量的矩阵元素的平均值；

根据各所述平均值的大小，对各所述平均值对应的未标注样本进行排序；

选取排序位置大于第一阈值且小于第二阈值的未标注样本作为价值样本。

8.一种样本标注装置，其特征在于，所述装置包括：

获取模块，用于获取待标注样本；

提取模块，用于将所述待标注样本输入训练好的神经网络，通过所述神经网络提取得到所述待标注样本的深度特征矩阵；

计算模块，用于计算获得所述待标注样本的深度特征矩阵与各第一已标注样本的深度特征矩阵的第一距离矩阵；

确定模块，用于根据所述第一距离矩阵，从所述第一已标注样本中确定所述待标注样本的匹配样本；

标注模块，用于获取所述匹配样本的标签信息，将所述标签信息作为所述待标注样本的标签信息。