自动标注
自动标注的相关文献在1990年到2023年内共计747篇,主要集中在自动化技术、计算机技术、机械、仪表工业、金属学与金属工艺
等领域,其中期刊论文210篇、会议论文32篇、专利文献1356132篇;相关期刊155种,包括地球信息科学学报、机械制造与自动化、智能计算机与应用等;
相关会议27种,包括第十一届和谐人机环境联合会议、2014年全国开放式分布与并行计算学术年会、2012(第三届)广东铝加工技术(国际)研讨会暨广东有色金属工业发展论坛等;自动标注的相关文献由2069位作者贡献,包括孙正兴、宋沫飞、李鹏等。
自动标注—发文量
专利文献>
论文:1356132篇
占比:99.98%
总计:1356374篇
自动标注
-研究学者
- 孙正兴
- 宋沫飞
- 李鹏
- 王振武
- 胡清华
- 陈鑫
- 丁贵广
- 单海军
- 南云铉
- 夫硕焄
- 尹刚
- 廖杰
- 张乐
- 张倩
- 张华
- 张泰雄
- 彭扬平
- 成明哲
- 李彬
- 李芳芳
- 李青海
- 杨文龙
- 林梓佳
- 柳宇宙
- 毛星亮
- 王小毛
- 王怀民
- 王涛
- 田枫
- 程鑫
- 章菲倩
- 简宋全
- 谢明霞
- 谭海蝉
- 赵浩辰
- 邹立斌
- 郎许锋
- 郑景中
- 金桂贤
- 金镕重
- 金鹤京
- 钟昊文
- 陈尚法
- 陈岱渊
- 陈桂凯
- 高蔚
- 黄联芬
- 代永芳
- 仲梁维
- 何俊
-
-
钟立军;
林彬;
王杰;
甘叔玮;
张小虎
-
-
摘要:
由于图像数量多,因此准确、高效的目标检测是提升靶场光测图像处理自动化程度的关键步骤。针对低空目标图像及目标类型多、目标特性变化等情况导致传统目标检测算法适应性差的问题,提出了一种基于双重分类深度学习的低空目标自动检测方法。该方法基于深度学习目标检测框架YOLO V3,根据低空目标的亮度和形状的双重属性特征,将网络输出层中的单属性分类改进为双属性分类;基于目标区域生长实现样本自动标注,利用序列图像目标约束增加检测结果确认环节。靶场低空场景下的实际图像训练及检测结果表明:该方法初步检测成功率高于90%,后处理之后取得了99%的检测成功率和62%的平均定位精度。
-
-
郭贵松;
林彬;
杨夏;
张小虎
-
-
摘要:
计算机视觉方法越来越多地应用于斑马鱼的群体行为研究;但是,由于斑马鱼游动过程形体变化大,遮挡多,准确与鲁棒地检测出斑马鱼仍然是一件非常具有挑战性的问题。为了解决该问题,提出一种基于斑马鱼图像特征的鱼群检测算法。首先通过分析目标特性,提出使用鱼头和鱼尾替代全鱼的检测方法,解决了传统整鱼检测在鱼群交叉遮挡时失效的难题;然后基于斑马鱼图像特征自动构建训练集,避免了深度学习手动标注的费时费力问题。通过对实际斑马鱼视频进行处理验证,与现有的算法相比,本文提出的方法在标注率、召回率(recall,R)与遮挡检测率(occlusion detection rate,ODR)等性能指标上有更好的实验效果。其中,在标注性能方面,本文提出的自动标注方法在总标注率上达到87.40%;在训练集效果方面,本文自动标注算法结合人工校正在标注时间上相比于人工标注方法减少93.11%,均值平均精度(mean average precision,mAP)达到79.80%;在目标检测方面,在目标遮挡率为42.72%的情况下,本文检测算法能够获得82.0%的召回率及58.02%的遮挡检测率。
-
-
刘高军;
刘思睿;
鲁朝阳;
王昊
-
-
摘要:
语言学家认为,义原是人类语言的最小语义表示单位,词语的任何含义都可以通过义原间组合表达。目前,义原资源已应用于多种自然语言处理的下游任务中并取得不错的效果。现有义原资源主要以中文词语为主,同时少部分英文词语也有义原标注,但在其他语言中尚未普及。目前,已有部分研究者提出了自动化的跨语言义原预测方法,一定程度上实现为其他语言的目标词汇自动标注义原的能力。
-
-
杜晓明;
袁清波;
杨帆;
姚奕;
蒋祥
-
-
摘要:
军事指控保障领域知识图谱的构建是军队信息化装备保障过程中的一个重要研究方向。针对保障领域知识图谱构建中命名实体识别模型缺乏相应基础训练语料库的现状,在分析相关研究现状的基础上,设计并实现了一个基于PyQt5应用程序基本框架的GUI命名实体识别语料库构建系统。首先,简要说明了系统整体架构和语料处理技术流程;其次,详细介绍了系统的数据预处理、标注体系、自动标注、标注分析和编码转换五大功能模块的相关内容,其中自动标注功能模块中的自动标注和自动去重算法的实现是重难点,也是整个系统的核心;最后,通过PyQt5应用程序基本框架和各类功能组件对各功能模块进行了图形用户界面实现。本系统的设计与实现,可以在军队专用电脑上对各种原始装备手册进行自动化处理,快速生成命名实体识别模型训练所需语料库,从而为后续构建相应领域知识图谱提供有效技术支持。
-
-
耿云冬;
张逸勤;
刘欢;
王东波
-
-
摘要:
在深度学习技术和预训练语言模型不断发展背景下,文章探讨面向数字人文研究需求的古文典籍文本词性自动标注问题。以校验后的高质量《四库全书》全文语料作为训练集,构建SikuBERT预训练语言模型,在源自多领域的16部古文典籍文本上开展词性自动标注实验。结果表明:SikuBERT预训练语言模型在词性自动标注任务中表现优良,词性标签总体预测准确率达到89.64%。文章还展示了单机版“SIKU-BERT典籍智能处理系统”的词性自动标注功能设计及应用。
-
-
彭国琴;
张浩;
徐丹
-
-
摘要:
计算机视觉中,深度学习之所以取得如此巨大的突破,均得益于可获得的大规模标记数据集,而在图像情感分析中,由于情感语义的模糊性,导致图像情感标注困难,公开可获得图像情感数据集较少,其规模也小,制约了基于深度学习的图像情感分析性能。情感语义具有其特有的有序性和极性分组特征,而已有的图像情感分析方法中很少关注到情感语义的这些本质特征。基于域自适方法,考虑情感语义的本质特征,提出一种基于推土机距离的情感语义对齐方式,将带标记的情感数据集的训练模型更好地迁移到无标记的情感数据集上,实现无监督的图像情感分析,解决情感数据集标注困难的问题。该方法应用于创建的云南重彩画数据集,实验结果表明,其能有效地对齐源域和目标域数据,实现无监督的情感数据集自动标注,有利于扩充图像情感数据集规模。
-
-
范静
-
-
摘要:
为提高钢琴演奏和弦指法的标注效果,设计了考虑音符序列的钢琴演奏和弦指法自动标注算法。对采集到的钢琴演奏和弦指法信号进行预处理,分析出演奏频率谱的基本特点,标注区域并进行分配,利用指法转换的规律计算音符序列的转移概率,构建特征函数标记音符序列变化情况,形成新序列,完成和弦指法自动标注。实验结果表明,所提出的和弦指法自动标注算法一致率较高,不可弹指法占比下降,P-score指标也较低,有效提高了钢琴演奏和弦指法自动标注效果。
-
-
马博文;
贾同;
刘益辄;
滑心语
-
-
摘要:
近年来,随着深度学习的快速发展,其在智慧安检领域的应用已经成为了当下的研究热点.众所周知,深度学习方法是以海量训练数据为基础的,然而手工标注真值(ground truth)是一项十分繁琐的工作.为此,本文提出一种基于Polygon-RefineNet的违禁品X线图像自动标注方法,该方法在用户设定的包含感兴趣区域的初始边框(bounding box)内自动预测出目标的多边形轮廓,旨在生成可用真值的情况下最大限度地减少标注时间.由于违禁品X线图像存在大量的重叠现象,导致图像背景十分杂乱、违禁品轮廓模糊不清,因此本文首先引入多路径优化机制,通过有效利用深度网络下采样过程中提取的底层空间信息和高层语义信息来优化多边形轮廓的边缘细节,从而提高标注精度;其次,本文设计一种混合损失函数用于优化多边形轮廓的整体形状和位置,并同时消除真值本身存在的主观性误差使模型具有强大的泛化能力.最后,为了验证所提出方法的有效性,本文建立了一个违禁品X线数据集,该数据集包含2623张经过手工标注的X线图像,共10类7257个违禁品带有像素级真值.实验表明,本文提出的方法在标注违禁品时达到了 93.1%的准确率,且速度约是手工标注的3.7倍.本文进一步证明了该方法在Cityscapes数据集、MS COCO数据集等其它域外数据集上的有效性.
-
-
薛毅
-
-
摘要:
就2020年"高教社杯"全国大学生数学建模竞赛D题"接触式轮廓仪的自动标注"给出了一种求解方法,并针对学生在参赛论文中出现的问题作了简要的说明与点评.为保证求解的连贯性,论文的前一部分是问题的求解,后一部分是参赛论文的点评.
-
-
付美鑫
-
-
摘要:
本文针对2020年全国大学生数学建模竞赛D题——接触式轮廓仪自动标注进行分析说明,阐述了D题的解题方法,建立了轮廓仪的水平标注模型、斜线模型、圆弧模型、旋转模型、平移模型等模型,并对工件进行标注。
-
-
-
-
-
-
-
池哲洁;
张全
- 《中国科学院声学研究所第四届青年学术交流会》
| 2012年
-
摘要:
概念基元信息的获取是建立在标注完全的语料的基础上,而自动标注工作主要面临歧义消解的问题.本文引入贝叶斯分类器来完成概念基元自动标注的工作,小规模实验表明,相比于随机标注,本文的方法具有较高的标注准确率。
-
-
李国强;
张彦军;
党安荣;
赵冬泉
- 《2011第九届Esri中国用户大会》
| 2011年
-
摘要:
文中提出一种基于GIS的城市控规图则标注自动绘制的方法.凭借GIS在空间拓扑关联和数据管理方面的优势,能够自动识别并筛选标注要素、批量绘制标注,解决传统基于AutoCAD平台标注绘制工作的机械化、复杂化问题,大大提高城市控规图则标注绘制和图则出图的效率;同时,辅以标注防重叠算法以及样式自定义功能,可以优化标注的效果和质量.
-
-
-