摘要
本发明公开一种利用生成对抗网络自动生成高质量标注数据的方法和系统,涉及数据标注技术领域,方法包括:进行数据采集与增强;构建生成对抗网络;利用小规模标注数据初步训练生成对抗网络的生成器与判别器;循环交替训练生成器和判别器,并根据判别器对生成数据标注准确性的评估进行标注优化,通过不断调整网络参数和优化损失函数,使生成器和判别器在训练过程中逐渐达到平衡状态;使用训练好的生成对抗网络对采集数据进行标注,并将标注后数据用于训练下游的机器学习模型。本发明能够生成接近人工标注质量的高质量标注数据,减少对人工标注数据的需求,不限于应用到自动驾驶、医疗影像分析、智能监控等具有大规模数据标注需求的领域。
技术关键词
生成对抗网络
联合损失函数
机器学习模型
传播算法
参数
样本
生成器网络
梯度下降法
数据标注技术
策略更新
生成随机
小规模
定义
输出模块
种子
噪声
系统为您推荐了相关专利信息
深度神经网络模型
频率
模型库
训练神经网络模型
矩阵
智能调控方法
可编程序逻辑控制器
机器学习模型
钢切割
超参数