自动标注

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。

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。

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。

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。

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。

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。

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。

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.

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.

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。

摘要： 现代汉语构式成分自动标注作为文本自动标注任务之一,其最大的困难在于,当不存在标注语料作为训练数据时,如何从生语料中挖掘不同类型的构式成分相关的知识并进行标注,特别是面对构式序列在句中的边界难以判断的情况.该文试图借助高斯混合模型聚类方法,结合句中每一个字的位置特征与构式形式本身的语言学特征,融合正则表达式匹配结果信息,挖掘句子中的构式实例序列并对构式内部成分进行自动标注.相较于单单基于正则表达式匹配和基于词性匹配的自动标注结果,该方法的F1分别至少提高了17.9％(半凝固型构式)、19.3％(短语型构式)、14.9％(复句型构式).

摘要： 现实生活中,图像资源无处不在,如何快速有效地查询、检索和组织这些图像信息,成为当前急需解决的热门问题.而图像自动标注是解决基于文本的图像检索的关键.本文提出了一套基于深度学习模型、卷积神经网络的多标签图像自动标注系统.在实验验证上,使用多标签图像数据集Corel5k进行定量测试比较,本算法的综合性能指标与现有算法相比有较大的提升.

摘要： 韵律边界标注对于语料库建设和语音合成有着至关重要的作用,而自动韵律标注可以克服人工标注中的不一致、耗时的缺点.仿照人工标注流程,本文运用循环神经网络分别对文本和音频两个通道训练子模型,对子模型的输出采用模型融合,从而获得最优标注.以词为单位提取了静音时长,与传统以帧为单位的声学特征相比更加具有明确的物理意义,与韵律边界的联系更加紧密.实验结果表明,本文所采用的静音时长特征相比于传统声学特征对自动韵律标注的性能有所提高,决策融合方法相比于直接特征层面融合更好地结合了声学和文本的特征,进一步提高了标注的性能.

摘要： 为了提高图像检索的效率,提出一种基于文本和内容的图像检索算法.该算法采用稠密的尺度不变特征转换(DSIFT)构造视觉单词的方式来描述图像内容,依据基于概率潜在语义分析(PLSA)模型的图像自动标注方法获取的视觉语义对查询图像进行初步检索,在此结果集上对筛选出的语义相关图像按内容相似度排序输出.在数据集Corel1000上的实验结果表明,该算法能够实现有效的图像检索,检索效率优于单一的基于内容的图像检索算法.

摘要： 简述了挤压比、模孔尺寸的计算等,及使用VBA语言在CAD软件平台上二次开发辅助设计计算工具,实现自动标注,提示错误警报.

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。

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.

摘要： 构式作为组成成分与实际意义不能完全对应的结构,与常规句子差异较大,对句法和语义分析器的影响较大,构式的自动分析则更是困难.因此,需要研究构式的内部结构标注与语料构建.由于构式的语义结构与句法结构有较大差异,使用中文抽象语义表示(CAMR)来直接标注构式的语义结构.目前收录最全的构式库是北京大学现代汉语构式知识库,通过对该构式库共1057条构式进行人工标注并统计后,发现CAMR可以表示出61.2％的基本符合组合原则的构式;而38.8％不符合组合原则的构式需要修改或添加概念,存在缺少概念、组成成分难以拆分、修辞意义难以表示等情况.该文给出的策略是将其整体作为一个谓词标注或只标注其表层义.汉语构式库的标注可以为构式语义的自动分析提供理论与数据基础.

摘要： 构式作为组成成分与实际意义不能完全对应的结构,与常规句子差异较大,对句法和语义分析器的影响较大,构式的自动分析则更是困难.因此,需要研究构式的内部结构标注与语料构建.由于构式的语义结构与句法结构有较大差异,使用中文抽象语义表示(CAMR)来直接标注构式的语义结构.目前收录最全的构式库是北京大学现代汉语构式知识库,通过对该构式库共1057条构式进行人工标注并统计后,发现CAMR可以表示出61.2％的基本符合组合原则的构式;而38.8％不符合组合原则的构式需要修改或添加概念,存在缺少概念、组成成分难以拆分、修辞意义难以表示等情况.该文给出的策略是将其整体作为一个谓词标注或只标注其表层义.汉语构式库的标注可以为构式语义的自动分析提供理论与数据基础.

摘要： 构式作为组成成分与实际意义不能完全对应的结构,与常规句子差异较大,对句法和语义分析器的影响较大,构式的自动分析则更是困难.因此,需要研究构式的内部结构标注与语料构建.由于构式的语义结构与句法结构有较大差异,使用中文抽象语义表示(CAMR)来直接标注构式的语义结构.目前收录最全的构式库是北京大学现代汉语构式知识库,通过对该构式库共1057条构式进行人工标注并统计后,发现CAMR可以表示出61.2％的基本符合组合原则的构式;而38.8％不符合组合原则的构式需要修改或添加概念,存在缺少概念、组成成分难以拆分、修辞意义难以表示等情况.该文给出的策略是将其整体作为一个谓词标注或只标注其表层义.汉语构式库的标注可以为构式语义的自动分析提供理论与数据基础.

摘要： 本发明提供了一种基于运动匹配的视频自动标注方法，其能对实时拍摄的视频自动同步实时标注；其特征在于：采集运动目标的目标运动视频，同时采集运动目标运动时附带的运动传感器模块的传感器数据，再分别对目标运动视频、对传感器运动数据分别进行视频运动特征、传感器运动特征的提取，然后将视频运动特征、传感器运动特征进行特征匹配分析，最后根据所述特征匹配分析结果对目标运动视频进行视频标注。一种基于运动匹配的视频自动标注系统，其包括用于采集运动目标的传感器运动数据的运动传感器模块；视频采集模块；运动匹配模块；其中，运动匹配模块与运动传感器模块、视频采集模块之间均通过无线通信模块进行数据通信。

摘要： 本发明提供一种社会化标签自动标注的方法。该方法包括计算标签词项在文档中的频率(TF)权重，以及由协同过滤CF、一致性话题模型Corr-LDA方法所得的标签权重，并归一化；对上述权重建立线性融合权值模型，并估计线性融合参数；以及基于线性融合模型对社会标签进行自动标注。该发明同时考虑了社会标签与文档具体内容的一致性和抽象语义层的相关性，因此能够提高社会标签自动标注的准确性。

摘要： 本发明公开了面向预训练标注数据不可知的图像自动标注系统，包括：获取模块和图像标注模块，及分别与所述获取模块和图像标注模块连接的模型迁移模块；所述获取模块，用于获取一组图像标注任务和待标注图像；所述模型迁移模块，用于将一组确定的预训练图像处理模型无监督迁移至适配于待标注图像域的更新后的图像处理模型，包括依次连接的模型拆分单元、信息最大化损失约束单元、聚类单元、标签空间分类单元、标签分配单元、分配更新单元和收敛单元；所述图像标注模块，用于生成与待标注图像相匹配的标注信息，并进行可视化标注。

摘要： 本发明公开了一种基于预训练标注数据不可知的图像分类自动标注方法，包括如下步骤：S1，获取待标注图像，收集预训练图像分类模型；S2，将预训练图像分类模型拆分成特征提取模型与标签预测模型，并初始化，固定标签预测模型参数，不参与后续迁移训练；S3，约束特征提取模型，使自动标注模型的输出具体类别确定，整体分布离散；S4，对特征提取模型输出特征进行聚类；S5，筛选出大小超过阈值的聚类簇，所对应的类别组成为待标注图像标签空间；S6，给所有待标注图像打上伪标签；S7，重新聚类并分配伪标签，对特征提取模型进行有监督训练；S8，迭代S3至S7；S9，使用迁移后的自动标注模型对待标注图像进行推理，得到标注结果。

摘要： 本申请公开了一种自动标注方法、自动标注装置和计算机可读存储介质，该方法包括：获取第一待标注视频，第一待标注视频包括待标注内容；对第一待标注视频进行特征提取处理，得到第一特征信息；采用标注生成网络对第一特征信息进行处理，生成至少一个候选标注区，并对候选标注区进行修正处理，生成目标标注区，目标标注区包括与待标注内容对应的起点时刻以及终点时刻之间的视频；对目标标注区中的待标注内容进行分类处理，得到待标注内容的类别信息。通过上述方式，本申请能够提升对视频进行自动标注的准确率与效率。

摘要： 本发明公开了一种图像自动标注和标注质量自动评价方法及系统，其中方法包括：从拿取商品的视频帧图像中提取有效帧，并在有效帧中裁剪出商品拿取区域图像；将有效帧的原始图像和裁剪图像输入到目标检测模型中，得到对两张图像的目标检测结果；根据目标检测结果计算原始图像和裁剪图像中的两个标注框框选的内容为物体的概率均值以及两个框选区域的交并比；根据交并比修正原始图像中的标注框；模糊检测和分类识别模型对修正后的标注框框选的区域进行模糊检测和物体分类识别，得到模糊检测和物体分类识别结果；标注质量评价模型以概率均值、交并比和模糊检测和分类识别结果为输入，对图像标注质量进行评价。本发明实现了对商品图像的自动化标注。

摘要： 本发明提供了一种基于运动匹配的视频自动标注方法，其能对实时拍摄的视频自动同步实时标注；其特征在于：采集运动目标的目标运动视频，同时采集运动目标运动时附带的运动传感器模块的传感器数据，再分别对目标运动视频、对传感器运动数据分别进行视频运动特征、传感器运动特征的提取，然后将视频运动特征、传感器运动特征进行特征匹配分析，最后根据所述特征匹配分析结果对目标运动视频进行视频标注。一种基于运动匹配的视频自动标注系统，其包括用于采集运动目标的传感器运动数据的运动传感器模块；视频采集模块；运动匹配模块；其中，运动匹配模块与运动传感器模块、视频采集模块之间均通过无线通信模块进行数据通信。

摘要： 本发明提供一种社会化标签自动标注的方法。该方法包括计算标签词项在文档中的频率(TF)权重，以及由协同过滤CF、一致性话题模型Corr-LDA方法所得的标签权重，并归一化；对上述权重建立线性融合权值模型，并估计线性融合参数；以及基于线性融合模型对社会标签进行自动标注。该发明同时考虑了社会标签与文档具体内容的一致性和抽象语义层的相关性，因此能够提高社会标签自动标注的准确性。

摘要： 本发明公开了一种自动标注数据集的方法及标注系统，涉及图像处理技术领域，包括以下步骤：将多分类的大数据集拆分成单分类数据，并得到相应的单分类数据集；标注少量的单分类数据集，并送入模型进行单分类数据集训练，从而实现对单分类数据集的自动标记；将标记完成的所有种类的单分类数据集进行批量修改对应类别的编号，并合并成一个已标注好大数据集文件；将合并所得的多分类大数据集送入模型训练并再识别数据集，以完成多分类大数据集的自动标注工作，本发明采用单分类训练，自动标记数据集、再训练，最后将单分类数据集合并到一起从而完成多分类、大数据集的制作，采用该方案会降低计算机功耗，节约开发时间。

摘要： 本发明公开了一种基于预训练标注数据不可知的图像分类自动标注方法，包括如下步骤：S1，获取待标注图像，收集预训练图像分类模型；S2，将预训练图像分类模型拆分成特征提取模型与标签预测模型，并初始化，固定标签预测模型参数，不参与后续迁移训练；S3，约束特征提取模型，使自动标注模型的输出具体类别确定，整体分布离散；S4，对特征提取模型输出特征进行聚类；S5，筛选出大小超过阈值的聚类簇，所对应的类别组成为待标注图像标签空间；S6，给所有待标注图像打上伪标签；S7，重新聚类并分配伪标签，对特征提取模型进行有监督训练；S8，迭代S3至S7；S9，使用迁移后的自动标注模型对待标注图像进行推理，得到标注结果。