用于预测众包数据的正确标签的方法及系统

发明专利有效专利

申请号：
CN202110028695.4
IPC分类号：G06K9/62;G06N3/08
申请日期：
2021-01-11
申请人：
中国科学院计算技术研究所;鹏城实验室

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	用于预测众包数据的正确标签的方法及系统
申请号	CN202110028695.4	申请日期	2021-01-11
法律状态	实质审查	申报国家	中国
公开/公告日	2021-05-07	公开/公告号	CN112766337A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	中国科学院计算技术研究所;鹏城实验室	申请人地址	北京市海淀区中关村科学院南路6号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学院计算技术研究所,鹏城实验室	当前权利人	中国科学院计算技术研究所,鹏城实验室
发明人	陈益强;卢旺;于汉超;杨晓东;张迎伟;谷洋
代理机构	北京泛华伟业知识产权代理有限公司	代理人	王勇

摘要

本发明提供了一种用于预测众包数据的正确标签的方法和系统，该方法利用了一种神经网络模型，该模型基于每个众包数据的所有初始标签的均值获取对应的众包数据的参考标签，通过训练获得；并利用神经网络模型获得每个众包数据的预测标签，基于每个众包数据的每个初始标签相对于预测标签的可信度迭代校准当前神经网络模型，直至神经网络模型收敛或精度持续下降。本发明中的方法和系统能够减少对深度学习中对众包数据工作者能力的依赖，从而提高深度学习模型的准确度和鲁棒性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供