[发明专利]数据标注的方法以及数据标注的装置

说明书

本申请提供了一种数据标注的方法以及数据标注的装置，该方法包括：获取待标注数据，待标注数据包括第一数据与第二数据；将第一数据与第二数据分别输入至第一子网络与第二子网络，以得到第一子标签与第二子标签，第一子标签与第二子标签的类型不同；将第一子标签与第二子标签输入至关系学习网络，以得到标注数据的第一标签，其中，关系学习网络用于基于第一知识图谱指示第一子标签与第二子标签的关联关系，第一标签用于指示待标注数据的分类。本申请的技术方案能够减少训练用于数据标注的网络所使用的标注数据量，提高网络的学习效率。

技术领域

本申请涉人工智能领域，更具体地，涉及一种数据标注的方法以及数据标注的装置。

背景技术

人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以与人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。计算机视觉是人工智能领域的一种主流应用，形象地说，计算机视觉就是给计算机安装上眼睛(照相机/摄像机)和大脑(算法)用来代替人眼对目标进行识别、跟踪和测量等，从而使计算机能够感知环境。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

在AI中数据标注技术(又称为识别技术)是计算机视觉中的经典问题之一。随着深度学习的迅速发展，结合深度学习的数据标注技术也得到了极大发展。数据标注可以是指对未标记标签的文本、视频、图像等数据进行分类得到分类标签。例如，对于视频标注而言，可以通过在训练阶段输入带标签的训练数据训练深度学习网络的参数，得到固化深度神经网络；从而在推理阶段可以向固化深度神经网络输入待标注视频，以得到该待标注视频的标签。但是，对于每一个标签需要大量带标签的训练数据即标注数据对深度学习网络进行训练，而标注数据是通过花费大量的人力进行人工标注得到的。

因此，对于用于标注数据的神经网络，如何降低训练网络所使用的标注数据数量成为了亟需解决的技术问题。

发明内容

本申请提供一种数据标注的方法以及数据标注的装置，能够减少训练用于数据标注网络所使用的标注数据量，节约人力成本，从而提高网络的学习效率。

第一方面，提供了一种数据标注的方法，包括：获取待标注数据，其中，所述待标注数据包括第一数据与第二数据；将所述第一数据与所述第二数据分别输入至第一子网络与第二子网络，以得到第一子标签与第二子标签，其中，所述第一子标签与所述第二子标签的类型不同；将所述第一子标签与所述第二子标签输入至关系学习网络，以得到所述待标注数据的第一标签，其中，所述关系学习网络用于基于第一知识图谱指示所述第一子标签与所述第二子标签的关联关系，所述第一标签用于指示所述待标注数据的分类。

需要说明的是，上述第一子网络与第二子网络可以是预先训练的识别网络，其中，预先训练的第一子网络或者预先训练的第二子网络可以是指一些通用的识别网络。第一子网络与第二子网络为不同类型的识别网络，比如，第一子网络为人脸识别网络，则第二子网络可以为类型识别网络或者除人脸识别网络外的其它识别网络。