CN112968941B - 一种基于边缘计算的数据采集和人机协同标注方法 - Google Patents
一种基于边缘计算的数据采集和人机协同标注方法 Download PDFInfo
- Publication number
- CN112968941B CN112968941B CN202110133107.3A CN202110133107A CN112968941B CN 112968941 B CN112968941 B CN 112968941B CN 202110133107 A CN202110133107 A CN 202110133107A CN 112968941 B CN112968941 B CN 112968941B
- Authority
- CN
- China
- Prior art keywords
- data
- labeling
- annotation
- marking
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 title claims description 17
- 238000002372 labelling Methods 0.000 claims abstract description 126
- 238000009960 carding Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于边缘计算的数据采集和人机协同标注方法,包括如下步骤:S1、选定靠近数据源的边缘设备,梳理设备基本信息,进行数据采集,S2、根据设备类型利用计算机进行标注模型的构建,S3、对边缘设备的数据进行预处理,并估算不同数据的占比,S4、然后根据数据的类型对标注模型进行排序,本发明数据采集时,通过将长时间未变化的数据进行监测,直至数据发生变化时才进行采集,记录两次变化的时间间隔,从而减少中间相同数据的采集,简化数据的采集和后续数据标注处理的繁琐工作,并对规律性变化的数据进行预测,实施对比监测,定期采集,减少无效数据的大量采集,节省数据存储空间。
Description
技术领域
本发明涉及边缘计算技术领域,具体为一种基于边缘计算的数据采集和人机协同标注方法。
背景技术
边缘计算是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务,其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求,边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端,而云端计算,仍然可以访问边缘计算的历史数据,对数据进行标注则可以使数据更加方便分析和使用;
但是目前边缘计算的数据采集和标注对于数据采集时的分析不够,使大量无效数据采集,不仅导致后期数据的处理较为麻烦,数据的标注耗时较长,而且浪费较多的存储空间,导致数据采集和标注的效率低下。
发明内容
本发明提供一种基于边缘计算的数据采集和人机协同标注方法,可以有效解决上述背景技术中提出目前边缘计算的数据采集和标注对于数据采集时的分析不够,使大量无效数据采集,不仅导致后期数据的处理较为麻烦,数据的标注耗时较长,而且浪费较多的存储空间,导致数据采集和标注的效率低下的问题。
为实现上述目的,本发明提供如下技术方案:一种基于边缘计算的数据采集和人机协同标注方法,包括如下步骤:
S1、选定靠近数据源的边缘设备,梳理设备基本信息,进行数据采集;
S2、根据设备类型利用计算机进行标注模型的构建;
S3、对边缘设备的数据进行预处理,并估算不同数据的占比;
S4、然后根据数据的类型对标注模型进行排序;
S5、将数据输入标注模型进行标注;
S6、提取出标注用时较长和标注失败的数据,人工进行标注、检查和修改;
S7、将人工标注后的数据重新输入,并根据标注失败原因对标注模型进行更新;
S8、将标注的数据传送至边缘计算的数据处理终端和云端服务器。
根据上述技术方案,所述S1中,边缘设备的基本信息有边缘设备的个数、数据采集范围、数据传输路径、数据传输终端和数据种类,边缘设备的数据种类包括图像数据、语音数据、文本数据和视频数据;
在数据采集时,利用时钟进行时间记录,并对数据变化进行监控,采集数据后,长时间内数据未监测到变化,则后续的数据不进行采集和传输,直至监测到数据变化时,再次进行数据实时采集,并记录两次数据采集之间的时间间隔;
数据长期呈现出规律变化后,则对数据变化进行预测,对预测数据和实时数据进行对比监测,若预测数据与实时数据吻合,则对数据的变化规律进行记录,间隔相同时间采集一次数据,直至监测到实际数据与预测数据存在差异变化,再次进行数据采集,重新分析规律。
根据上述技术方案,所述S2中,标注模型中设置有标注数据库,构建的标注模型中设置有轮廓线标注、文本标注、标框标注和描点标注四种标注方式;
其中,轮廓线标注主要用于图像数据和视频数据中的目标轮廓进行线条绘制标注;
文本标注主要用于语音数据和视频数据中的语音部分进行文字转换标注;
标框标注主要用于文本数据和图像数据中的重要部分进行框选标注;
描点标注主要用于图像数据和视频数据的目标轮廓进行描点标注;
文本数据、语音数据和图像数据为静态标注,视频数据为动态标注,视频数据在标注时需要分割为多个图像进行标注。
根据上述技术方案,所述S3中,将边缘数据中无效数据去除,将去除无效数据后的数据按照图像数据、语音数据、文本数据和视频数据进行分类,再对每种数据占总数据的比例进行估算。
根据上述技术方案,所述S4中,为每种数据选择对应的标注方式,然后根据每种数据占比从大到小的顺序对标注方式进行排序。
根据上述技术方案,所述S5中,先利用排序在第一的标注方式进行标注,然后利用排序第二的标注方式进行标注,每种方式进行标注时,自动跳过其他不能标注的数据,以此类推继续进行标注,直至选择的标注方式全部标注完成。
根据上述技术方案,所述S6中,对于标注用时较长的数据进行提取,并将无法标注的数据进行提取;
将标注失败的数据进行人工标注,并对标注用时较长的数据进行人工检查,进行标注修改。
根据上述技术方案,所述S7中,将标注失败的数据人工标注后输入标注模型中,将模型标注后的错误数据人工修改后,输入标注模型中,替换原来的标注。
根据上述技术方案,所述人工标注时,对标注过程进行记录,标注模型对人工标注过程进行分析和学习,并将数据和数据标注输入标注模型中,方便后续进行相同的标注。
根据上述技术方案,所述S8中,将标注后的数据进行分类,然后进行压缩传输至数据处理终端进行数据处理。
与现有技术相比,本发明的有益效果:
1、数据采集时,通过将长时间未变化的数据进行监测,直至数据发生变化时才进行采集,记录两次变化的时间间隔,从而减少中间相同数据的采集,简化数据的采集和后续数据标注处理的繁琐工作,并对规律性变化的数据进行预测,实施对比监测,定期采集,减少无效数据的大量采集,节省数据存储空间。
2、通过对数据进行分类和占比估算,使数据按照图片、视频、语音和文本进行分类,并对每种数据占总数据的比重进行估算,从而能够清晰的了解数据的类型,方便进行后续的标注工作,占比的估算方便对标注方式的选择。
3、通过计算机构建标注模型,标注模型中设置有轮廓线标注、文本标注、标框标注和描点标注四种标注方式,通过数据种类选择合适的标注方式,根据占比从大到小的顺序进行数据标注,使数据标注更加有序,不易造成标注混乱,方便检查。
4、通过对标注数据中无法标注的数据和标注耗时较长的数据进行提取,对计算机无法标注的数据人工进行数据标注,对于标注耗时较长的数据进行检查,对错误标注进行修改,人机结合进行数据标注,使标注更加全面,使人机协同标注的效率更高。
5、通过将人工标注和修改的数据标注输送至标注模型中,对标注模型进行增添和修改,使标注模型的数据库积累越来越多,并且及时在实践中进行更新,有利于后续对数据的标注,减少后续无法标注的数据,从而使计算机标注的效率更高,减少人工标注的工作量。
综上所述,通过对数据的提炼采集,减少重复数据和无效数据,使数据采集更加精准,采集关键数据进行标注和分析,不仅不会减少信息量,而且会使得数据处理更加便捷,数据标注时,计算机构建标注模型,先对数据进行分类分次标注,使数据标注更加清晰,不易混乱,且对计算机标注存在困难的数据进行人工标注,使人机协同标注的效率更高,将人工标注的过程输入标注模型,标注模型对人工标注进行学习,从而不断的完成人工标注模型,减少人工标注次数和时间。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1是本发明方法的步骤流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例:如图1所示,本发明提供一种技术方案,一种基于边缘计算的数据采集和人机协同标注方法,包括如下步骤:
S1、选定靠近数据源的边缘设备,梳理设备基本信息,进行数据采集;
S2、根据设备类型利用计算机进行标注模型的构建;
S3、对边缘设备的数据进行预处理,并估算不同数据的占比;
S4、然后根据数据的类型对标注模型进行排序;
S5、将数据输入标注模型进行标注;
S6、提取出标注用时较长和标注失败的数据,人工进行标注、检查和修改;
S7、将人工标注后的数据重新输入,并根据标注失败原因对标注模型进行更新;
S8、将标注的数据传送至边缘计算的数据处理终端和云端服务器。
根据上述技术方案,S1中,边缘设备的基本信息有边缘设备的个数、数据采集范围、数据传输路径、数据传输终端和数据种类,边缘设备的数据种类包括图像数据、语音数据、文本数据和视频数据;
在数据采集时,利用时钟进行时间记录,并对数据变化进行监控,采集数据后,长时间内数据未监测到变化,则后续的数据不进行采集和传输,直至监测到数据变化时,再次进行数据实时采集,并记录两次数据采集之间的时间间隔;
数据长期呈现出规律变化后,则对数据变化进行预测,对预测数据和实时数据进行对比监测,若预测数据与实时数据吻合,则对数据的变化规律进行记录,间隔相同时间采集一次数据,直至监测到实际数据与预测数据存在差异变化,再次进行数据采集,重新分析规律,通过将长时间未变化的数据进行监测,直至数据发生变化时才进行采集,记录两次变化的时间间隔,从而减少中间相同数据的采集,简化数据的采集和后续数据标注处理的繁琐工作,并对规律性变化的数据进行预测,实施对比监测,定期采集,减少无效数据的大量采集,节省数据存储空间。
根据上述技术方案,S2中,标注模型中设置有标注数据库,构建的标注模型中设置有轮廓线标注、文本标注、标框标注和描点标注四种标注方式;
其中,轮廓线标注主要用于图像数据和视频数据中的目标轮廓进行线条绘制标注;
文本标注主要用于语音数据和视频数据中的语音部分进行文字转换标注;
标框标注主要用于文本数据和图像数据中的重要部分进行框选标注;
描点标注主要用于图像数据和视频数据的目标轮廓进行描点标注;
文本数据、语音数据和图像数据为静态标注,视频数据为动态标注,视频数据在标注时需要分割为多个图像进行标注。
根据上述技术方案,S3中,将边缘数据中无效数据去除,将去除无效数据后的数据按照图像数据、语音数据、文本数据和视频数据进行分类,再对每种数据占总数据的比例进行估算,清晰的了解数据的类型,方便进行后续的标注工作,占比的估算方便对标注方式的选择。
根据上述技术方案,S4中,为每种数据选择对应的标注方式,然后根据每种数据占比从大到小的顺序对标注方式进行排序。
根据上述技术方案,S5中,先利用排序在第一的标注方式进行标注,然后利用排序第二的标注方式进行标注,每种方式进行标注时,自动跳过其他不能标注的数据,以此类推继续进行标注,直至选择的标注方式全部标注完成,通过数据种类选择合适的标注方式,根据占比从大到小的顺序进行数据标注,使数据标注更加有序,不易造成标注混乱,方便检查。
根据上述技术方案,S6中,对于标注用时较长的数据进行提取,并将无法标注的数据进行提取;
将标注失败的数据进行人工标注,并对标注用时较长的数据进行人工检查,进行标注修改,人机结合进行数据标注,使标注更加全面,使人机协同标注的效率更高。
根据上述技术方案,S7中,将标注失败的数据人工标注后输入标注模型中,将模型标注后的错误数据人工修改后,输入标注模型中,替换原来的标注。
根据上述技术方案,人工标注时,对标注过程进行记录,标注模型对人工标注过程进行分析和学习,并将数据和数据标注输入标注模型中,方便后续进行相同的标注,使标注模型的数据库积累越来越多,并且及时在实践中进行更新,有利于后续对数据的标注,减少后续无法标注的数据,从而使计算机标注的效率更高,减少人工标注的工作量。
根据上述技术方案,S8中,将标注后的数据进行分类,然后进行压缩传输至数据处理终端进行数据处理。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于边缘计算的数据采集和人机协同标注方法,其特征在于:包括如下步骤:
S1、选定靠近数据源的边缘设备,梳理设备基本信息,进行数据采集;
S2、根据设备类型利用计算机进行标注模型的构建;
S3、对边缘设备的数据进行预处理,并估算不同数据的占比;
S4、然后根据数据的类型对标注模型进行排序;
S5、将数据输入标注模型进行标注;
S6、提取出标注用时长和标注失败的数据,人工进行标注、检查和修改;
S7、将人工标注后的数据重新输入,并根据标注失败原因对标注模型进行更新;
S8、将标注的数据传送至边缘计算的数据处理终端和云端服务器;
所述S1中,边缘设备的基本信息有边缘设备的个数、数据采集范围、数据传输路径、数据传输终端和数据种类,边缘设备的数据种类包括图像数据、语音数据、文本数据和视频数据;
在数据采集时,利用时钟进行时间记录,并对数据变化进行监控,采集数据后,长时间内数据未监测到变化,则后续的数据不进行采集和传输,直至监测到数据变化时,再次进行数据实时采集,并记录两次数据采集之间的时间间隔;
数据长期呈现出规律变化后,则对数据变化进行预测,对预测数据和实时数据进行对比监测,若预测数据与实时数据吻合,则对数据的变化规律进行记录,间隔相同时间采集一次数据,直至监测到实际数据与预测数据存在差异变化,再次进行数据采集,重新分析规律;
所述S2中,标注模型中设置有标注数据库,构建的标注模型中设置有轮廓线标注、文本标注、标框标注和描点标注四种标注方式;
其中,轮廓线标注主要用于图像数据和视频数据中的目标轮廓进行线条绘制标注;
文本标注主要用于语音数据和视频数据中的语音部分进行文字转换标注;
标框标注主要用于文本数据和图像数据中的重要部分进行框选标注;
描点标注主要用于图像数据和视频数据的目标轮廓进行描点标注;
文本数据、语音数据和图像数据为静态标注,视频数据为动态标注,视频数据在标注时需要分割为多个图像进行标注;
所述S3中,将边缘数据中无效数据去除,将去除无效数据后的数据按照图像数据、语音数据、文本数据和视频数据进行分类,再对每种数据占总数据的比例进行估算;
所述S4中,为每种数据选择对应的标注方式,然后根据每种数据占比从大到小的顺序对标注方式进行排序;
所述S5中,先利用排序在第一的标注方式进行标注,然后利用排序第二的标注方式进行标注,每种方式进行标注时,自动跳过其他不能标注的数据,以此类推继续进行标注,直至选择的标注方式全部标注完成。
2.根据权利要求1所述的一种基于边缘计算的数据采集和人机协同标注方法,其特征在于,所述S6中,对于标注用时长的数据进行提取,并将无法标注的数据进行提取;
将标注失败的数据进行人工标注,并对标注用时长的数据进行人工检查,进行标注修改。
3.根据权利要求2所述的一种基于边缘计算的数据采集和人机协同标注方法,其特征在于,所述S7中,将标注失败的数据人工标注后输入标注模型中,将模型标注后的错误数据人工修改后,输入标注模型中,替换原来的标注。
4.根据权利要求3所述的一种基于边缘计算的数据采集和人机协同标注方法,其特征在于,所述人工标注时,对标注过程进行记录,标注模型对人工标注过程进行分析和学习,并将数据和数据标注输入标注模型中,方便后续进行相同的标注。
5.根据权利要求4所述的一种基于边缘计算的数据采集和人机协同标注方法,其特征在于,所述S8中,将标注后的数据进行分类,然后进行压缩传输至数据处理终端进行数据处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110133107.3A CN112968941B (zh) | 2021-02-01 | 2021-02-01 | 一种基于边缘计算的数据采集和人机协同标注方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110133107.3A CN112968941B (zh) | 2021-02-01 | 2021-02-01 | 一种基于边缘计算的数据采集和人机协同标注方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112968941A CN112968941A (zh) | 2021-06-15 |
CN112968941B true CN112968941B (zh) | 2022-07-08 |
Family
ID=76273523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110133107.3A Active CN112968941B (zh) | 2021-02-01 | 2021-02-01 | 一种基于边缘计算的数据采集和人机协同标注方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112968941B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016150328A1 (zh) * | 2015-03-25 | 2016-09-29 | 阿里巴巴集团控股有限公司 | 一种数据标注的管理方法及装置 |
CN108062394A (zh) * | 2017-12-18 | 2018-05-22 | 北京中关村科金技术有限公司 | 一种数据集的标注方法及相关装置 |
CN108665000A (zh) * | 2018-05-03 | 2018-10-16 | 华东交通大学 | 一种基于不确定性分析的数字图像自动标注方法 |
CN108985293A (zh) * | 2018-06-22 | 2018-12-11 | 深源恒际科技有限公司 | 一种基于深度学习的图像自动化标注方法及*** |
CN109816019A (zh) * | 2019-01-25 | 2019-05-28 | 上海小萌科技有限公司 | 一种图像数据自动化辅助标注方法 |
CN110781941A (zh) * | 2019-10-18 | 2020-02-11 | 苏州浪潮智能科技有限公司 | 一种基于主动学习的人环标注方法及装置 |
CN110929119A (zh) * | 2019-11-22 | 2020-03-27 | 北京明略软件***有限公司 | 数据标注方法、装置、设备及计算机存储介质 |
CN111143577A (zh) * | 2019-12-27 | 2020-05-12 | 北京百度网讯科技有限公司 | 数据标注方法、装置和*** |
CN111353291A (zh) * | 2019-12-27 | 2020-06-30 | 北京合力亿捷科技股份有限公司 | 一种基于投诉工单训练文本计算最佳标注集的方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017194782A (ja) * | 2016-04-19 | 2017-10-26 | ソニー株式会社 | 情報処理装置及び情報処理方法 |
-
2021
- 2021-02-01 CN CN202110133107.3A patent/CN112968941B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016150328A1 (zh) * | 2015-03-25 | 2016-09-29 | 阿里巴巴集团控股有限公司 | 一种数据标注的管理方法及装置 |
CN108062394A (zh) * | 2017-12-18 | 2018-05-22 | 北京中关村科金技术有限公司 | 一种数据集的标注方法及相关装置 |
CN108665000A (zh) * | 2018-05-03 | 2018-10-16 | 华东交通大学 | 一种基于不确定性分析的数字图像自动标注方法 |
CN108985293A (zh) * | 2018-06-22 | 2018-12-11 | 深源恒际科技有限公司 | 一种基于深度学习的图像自动化标注方法及*** |
CN109816019A (zh) * | 2019-01-25 | 2019-05-28 | 上海小萌科技有限公司 | 一种图像数据自动化辅助标注方法 |
CN110781941A (zh) * | 2019-10-18 | 2020-02-11 | 苏州浪潮智能科技有限公司 | 一种基于主动学习的人环标注方法及装置 |
CN110929119A (zh) * | 2019-11-22 | 2020-03-27 | 北京明略软件***有限公司 | 数据标注方法、装置、设备及计算机存储介质 |
CN111143577A (zh) * | 2019-12-27 | 2020-05-12 | 北京百度网讯科技有限公司 | 数据标注方法、装置和*** |
CN111353291A (zh) * | 2019-12-27 | 2020-06-30 | 北京合力亿捷科技股份有限公司 | 一种基于投诉工单训练文本计算最佳标注集的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112968941A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659173A (zh) | 一种运维***及方法 | |
CN109635292B (zh) | 基于机器学习算法的工单质检方法和装置 | |
US11231980B1 (en) | Method, device and system for fault detection | |
CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
CN112966772A (zh) | 一种多人在线的图像半自动标注方法及*** | |
CN110309967A (zh) | 客服会话评分等级的预测方法、***、设备和存储介质 | |
CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
CN111694957B (zh) | 基于图神经网络的问题单分类方法、设备及存储介质 | |
CN116663664A (zh) | 一种基于nlp算法的客户营销场景数据分析***及方法 | |
CN116861924A (zh) | 基于人工智能的项目风险预警方法及*** | |
CN114494168A (zh) | 模型确定、图像识别与工业质检方法、设备及存储介质 | |
CN106909492B (zh) | 业务数据的追踪方法及装置 | |
CN115657890A (zh) | 一种pra机器人可定制方法 | |
CN115269438A (zh) | 针对图像处理算法的自动化测试方法及装置 | |
CN109242431B (zh) | 一种基于数据体系的企业管理方法及其*** | |
KR102411291B1 (ko) | 스마트공장 데이터 품질평가 방법 | |
CN117331802A (zh) | 一种基于工业互联网的中台数据监测分析*** | |
CN112968941B (zh) | 一种基于边缘计算的数据采集和人机协同标注方法 | |
CN110807082B (zh) | 质量抽检项目确定方法、***、电子设备及可读存储介质 | |
CN111367971A (zh) | 一种基于数据挖掘的金融***异常辅助分析方法及装置 | |
CN113434627A (zh) | 工单的处理方法、装置和计算机可读存储介质 | |
CN113641569B (zh) | 机器人流程自动化方法 | |
CN115035044A (zh) | 一种应用于工业质检的智能ai平台 | |
CN114120057A (zh) | 一种基于PaddleDetection的混淆矩阵生成方法 | |
CN113835387A (zh) | 运维管理方法、***及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method of data acquisition and human-computer collaborative annotation based on edge computing Granted publication date: 20220708 Pledgee: Nanjing Bank Co.,Ltd. Nanjing Financial City Branch Pledgor: CSTT (Nanjing) Technology Co.,Ltd. Registration number: Y2024980019961 |