1.一種基于機器自主學習的智能標注系統(tǒng)，其特征在于，包括：
2.根據(jù)權利要求1所述的基于機器自主學習的智能標注系統(tǒng)，其特征在于，所述初始標注采用人工標注或者半自動化工具進行標注。
3.根據(jù)權利要求1所述的基于機器自主學習的智能標注系統(tǒng)，其特征在于，所述數(shù)據(jù)輸出模塊基于所述結果數(shù)據(jù)集進行統(tǒng)計分析，形成標注報告并且協(xié)同所述結果數(shù)據(jù)集同時輸出。
4.一種基于機器自主學習的智能標注方法，其特征在于，包括如下工作步驟：
5.根據(jù)權利要求4所述的基于機器自主學習的智能標注方法，其特征在于，步驟s2中所述初始標注是通過人工標注或者半自動化工具完成，用于保證標注后的所述初始標注數(shù)據(jù)集的準確率。
6.根據(jù)權利要求4所述的基于機器自主學習的智能標注方法，其特征在于，步驟s5中對所述中間標注數(shù)據(jù)集進行檢查和校正是通過人工標注或者半自動化工具完成，用于保證所述中間修正數(shù)據(jù)集的準確率。
7.根據(jù)權利要求4所述的基于機器自主學習的智能標注系統(tǒng)，其特征在于，所述原始數(shù)據(jù)為圖像數(shù)據(jù)、文本數(shù)據(jù)、音頻數(shù)據(jù)中的至少一種。
8.根據(jù)權利要求4至7中任一項所述的基于機器自主學習的智能標注方法，其特征在于，根據(jù)所述初始標注數(shù)據(jù)集通過深度學習算法對所述機器學習模型進行訓練，所述深度學習算法包括但不限于卷積神經(jīng)網(wǎng)絡學習算法、循環(huán)神經(jīng)網(wǎng)絡學習算法、深度神經(jīng)網(wǎng)絡學習算法。
9.根據(jù)權利要求4至7中任一項所述的基于機器自主學習的智能標注方法，其特征在于，步驟s5中，通過所述初始標注數(shù)據(jù)集對進行閉環(huán)反饋訓練后的預訓練模型進行驗證評測，當驗證評測的準確率超過預設閾值時則將所述初始數(shù)據(jù)集和所述中間數(shù)據(jù)集合并輸出，否則繼續(xù)保持閉環(huán)反饋訓練。
10.根據(jù)權利要求9所述的基于機器自主學習的智能標注方法，其特征在于，保存步驟s5結束后的所述預訓練模型作為標注預測模型，所述標注預測模型用于對與原始數(shù)據(jù)同類型的數(shù)據(jù)進行智能標注。