摘要
本发明公开了一种基于多模态融合与迭代优化的数据自动化标注方法。该方法涵盖模型自动标注、不确定性识别、专家复核修正及模型持续优化等核心环节,结合多模态增强、标准化处理和跨域知识融合,通过机器标注—筛选异常—人工校验—模型再训练的迭代机制,形成一个可不断学习与自我演化的机器主标+人工精修的闭环流程。该方法突破现有依赖专家标注效率低、成本高、质量难控的局限,通用于多模态、多时相、多组织层次数据,有效提升数据质量、标注效率与模型泛化能力,具备良好的适应性和推广性。
技术关键词
多模态
标注方法
组织层次数据
数据标注系统
扩充训练样本
融合神经网络
标签
标注规则
统计方法
文本
团队
音频
图像
训练集
黄金
异构
镜像
闭环