检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

267 篇 专利
1 篇 学位论文

馆藏范围

268 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 机械工程

主题

1 篇 分段二值化
1 篇 人脸特征
1 篇 自动标注
1 篇 表情生成
1 篇 手动标注

机构

10 篇 中山大学
6 篇 浙江工业大学
5 篇 西安电子科技大学
4 篇 四川大学
4 篇 上海交通大学
4 篇 浙江大学
3 篇 桂林电子科技大学
3 篇 清华大学
3 篇 北京航空航天大学
3 篇 杭州师范大学
3 篇 腾讯科技有限公司
3 篇 华中农业大学
2 篇 华中科技大学
2 篇 北京金山安全软件...
2 篇 中国人民解放军国...
2 篇 沈阳东软智能医疗...
2 篇 中国科学院自动化...
2 篇 北京长木谷医疗科...
2 篇 东南大学
2 篇 福建自贸试验区厦...

作者

4 篇 安康
4 篇 王鹏
3 篇 王斌
3 篇 曹世华
3 篇 周凡
3 篇 王李冬
3 篇 胡克用
2 篇 陈岩
2 篇 雷印杰
2 篇 张曦
2 篇 张逸凌
2 篇 李玲玲
2 篇 石光明
2 篇 朱小安
2 篇 王勋
2 篇 谢雪梅
2 篇 李忠远
2 篇 丹尼尔·埃利斯
2 篇 王国华
2 篇 邱建平

语言

268 篇 中文

检索条件"主题词=手动标注"

共 268 条记录，以下是41-50 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

训练样本标注方法及装置、分类模型训练方法及装置

训练样本标注方法及装置、分类模型训练方法及装置

引用

作者：李发科王为磊屠昶旸张济徽孙敏朱慧彬 215000 江苏省苏州市苏州工业园区金鸡湖大道88号人工智能产业园G3-701、G3-801、G3-901、G3-1001单元

本申请提供一种训练样本标注方法，用于训练对待分类专利进行统筹类别分类的分类模型，该方法包括：基于待标记专利，确定待标记专利对应的专利特征向量和通用检索类别信息集；基于统筹分类数据，确定统筹分类数据中包括的多个统筹类别... 详细信息

标准号: CN114297387A

本申请提供一种训练样本标注方法，用于训练对待分类专利进行统筹类别分类的分类模型，该方法包括：基于待标记专利，确定待标记专利对应的专利特征向量和通用检索类别信息集；基于统筹分类数据，确定统筹分类数据中包括的多个统筹类别各自对应的统筹类别特征向量；确定多个统筹类别与通用检索类别之间的对照关系；基于专利特征向量、通用检索类别信息集、多个统筹类别各自对应的统筹类别特征向量和对照关系，确定待标记专利对应的统筹类别标记信息。采用本申请实施例提供的训练样本标注方法，无需专业人士手动标注，能够快速生成海量用于训练分类模型的高质量训练样本，不仅避免了对专业性的强依靠，而且节省了大量的人力、物力和时间成本。

关键词：向量通用检索训练样本对照关系分类数据类别特征类别信息专利特征标注类别标记信息分类模型快速生成类别分类时间成本手动标注训练分类专业人士申请分类

来源：评论

学校读者我要写书评

暂无评论

引线生成方法、装置、设备及存储介质

引线生成方法、装置、设备及存储介质

引用

作者：叶平平朱小安邵宇易永财 518000 广东省深圳市南山区西丽街道深圳市科技园北区朗山二路金汇球大厦5楼513室

本发明涉及EDA设计技术领域，公开一种引线生成方法、装置、设备及存储介质。本发明通过获取预设图形绘制窗口中展示的待处理器件的坐标信息，坐标信息包括待处理器件的引脚坐标、待处理器件的展示边框的对角坐标；根据对角坐标确定待... 详细信息

标准号: CN113449485A

本发明涉及EDA设计技术领域，公开一种引线生成方法、装置、设备及存储介质。本发明通过获取预设图形绘制窗口中展示的待处理器件的坐标信息，坐标信息包括待处理器件的引脚坐标、待处理器件的展示边框的对角坐标；根据对角坐标确定待处理器件的边框坐标方程；根据引脚坐标和边框坐标方程确定待处理器件的引脚对应的引线端点坐标；对引线端点坐标和引脚坐标进行连线，以获得待处理器件的引脚对应的引线。本发明通过获取待处理器件的坐标信息，然后根据坐标信息确定边框坐标方程，再确定引线的端点坐标，从而生成引线，相较于现有技术中需要根据电路符号的管脚名称手动标注引线，上述方式能够精准地自动生成引脚对应的引线，从而提高工作效率。

关键词：处理器件引脚坐标信息边框坐标引线端点对角边框存储介质电路符号端点坐标工作效率手动标注预设图形自动生成坐标确定管脚连线展示绘制

来源：评论

学校读者我要写书评

暂无评论

一种基于面向对象的河口海湾水体自动提取方法

一种基于面向对象的河口海湾水体自动提取方法

引用

作者：梁中耀李冰菲陈能汪李玲玲 361000 福建省厦门市思明南路422号

本发明公开了一种基于面向对象的河口海湾水体自动提取方法，包括以下步骤：S1、分别对Sentinel‑2图像、ASTER GDEM图像、SAR图像和TIR波段图像进行预处理，得到多通道融合图像；S2、采用手动标注和半监督学习方法标注近岸区域的水体样... 详细信息

标准号: CN118038291A

本发明公开了一种基于面向对象的河口海湾水体自动提取方法，包括以下步骤：S1、分别对Sentinel‑2图像、ASTER GDEM图像、SAR图像和TIR波段图像进行预处理，得到多通道融合图像；S2、采用手动标注和半监督学习方法标注近岸区域的水体样本与非水体样本，得到样本数据；S3、采用面向对象的方法分割图像并通过最大响应法，得到最优分割结果；S4、基于各个图像数据计算最优分割结果下各个对象的特征参数；S5、以特征参数为输入变量，样本数据为训练样本，构建BP神经网络并进行训练，通过训练后的BP神经网络对河口海湾的水体范围进行自动提取；该方法灵活易用，无须任何先验知识，即可得到高精度的河口海湾水体范围，能有效减少近岸区域陆地和水体错分的现象。

关键词：水体河口分割结果面向对象水体样本特征参数样本数据自动提取海湾近岸预处理图像数据计算图像半监督学习波段图像分割图像融合图像手动标注输入变量先验知识训练样本有效减少最大响应多通道构建与非标注陆地灵活

来源：评论

学校读者我要写书评

暂无评论

一种基于无监督的人群计数方法

一种基于无监督的人群计数方法

引用

作者：高伟君 201506 上海市金山区夏宁路666弄58_59号1231室

本发明公开了一种基于无监督的人群计数方法，方法步骤如下，步骤A将输入图像划分为P×P的补丁；步骤B通过图像编码器Eo和文本编码器T0生成用于粗分类的相似性分数；步骤C使用基于排名的对比微调策略进行图像编码器Ef的微调；步骤D... 详细信息

标准号: CN116704438A

本发明公开了一种基于无监督的人群计数方法，方法步骤如下，步骤A将输入图像划分为P×P的补丁；步骤B通过图像编码器Eo和文本编码器T0生成用于粗分类的相似性分数；步骤C使用基于排名的对比微调策略进行图像编码器Ef的微调；步骤D通过渐进式过滤策略进一步过滤补丁；步骤E生成用于精确计数的相似性分数；步骤F确定每个图像补丁的最终计数。与现有技术相比，本发明的优点在于，不需要任何手动标注的数据就能实现准确的人群计数，这将大大降低实际应用中的数据准备成本，能够实现较高的计数准确性，提高了人群计数任务的性能，在各种场景和视角下都能实现稳定的性能表现，从而具有更强的泛化能力。

关键词：图像编码器相似性分数微调补丁人群计数准确性文本编码器过滤策略手动标注输入图像数据准备图像补丁粗分类无监督过滤场景视角应用表现

来源：评论

学校读者我要写书评

暂无评论

一种基于深度学习消除光声层析图像中伪影的方法

一种基于深度学习消除光声层析图像中伪影的方法

引用

作者：林励李文彬 310013 浙江省杭州市西湖区智汇众创中心8号楼1004室

本发明属于光声成像技术领域，公开了一种基于深度学习消除光声层析图像中伪影的方法，包括步骤一，对采样数据，重建光声层析图像；步骤二，创建数据集：在光声层析重建图像上手动标注出伪影；步骤三，构建端到端的卷积神经网络模型VGG... 详细信息

标准号: CN118365740A

本发明属于光声成像技术领域，公开了一种基于深度学习消除光声层析图像中伪影的方法，包括步骤一，对采样数据，重建光声层析图像；步骤二，创建数据集：在光声层析重建图像上手动标注出伪影；步骤三，构建端到端的卷积神经网络模型VGG16‑UNet，用数据集训练卷积神经网络模型VGG16‑UNet；步骤四，识别光声层析图像中的伪影：将待处理的光声层析图像输入到步骤三训练好的神经网络模型中，输出为标注出伪影的图像；步骤五，去除伪影信号；步骤六，重建光声层析图像。本发明在采样数据中，消除所有通道的与伪影有关的信号，然后再使用延时求和算法重建出光声层析图像，消除了伪影造成的不利影响，从而提高光声层析成像的质量。

关键词：光声伪影层析图像卷积神经网络采样数据数据集重建光声层析成像神经网络模型图像层析重建光声成像求和算法手动标注再使用构建去除延时标注输出创建学习

来源：评论

学校读者我要写书评

暂无评论

一种基于矩形拟合的抓取数据集自动生成方法

一种基于矩形拟合的抓取数据集自动生成方法

引用

作者：李育文张智辉 200444 上海市宝山区上大路99号

本发明公开了一种基于矩形拟合的抓取数据集自动生成方法，采用机械臂末端执行器夹持物体边缘，驱动物体绕其中心旋转，通过相机采集物体各角度的图像；确定物体区域，生成物体掩码；检测目标物体的轮廓信息；对图像进行霍夫变换，检测... 详细信息

标准号: CN112926503B

本发明公开了一种基于矩形拟合的抓取数据集自动生成方法，采用机械臂末端执行器夹持物体边缘，驱动物体绕其中心旋转，通过相机采集物体各角度的图像；确定物体区域，生成物体掩码；检测目标物体的轮廓信息；对图像进行霍夫变换，检测物体轮廓中的直线，并对短线段进行合并；对直线长度进行排序，按直线长度检测对应平行线，利用多个矩形拟合物体轮廓；将拟合矩形按照等间距采样方式生成多个适用于双指手爪的抓取矩形；组合背景图像和物体图像生成抓取数据集图像，同时生成对应标签。本发明操作简单、实现方便快速，不需要额外设备。解决了抓取任务中数据集手动标注工作费时费力的问题，为抓取任务中深度学习模型所需训练集的制作提供了便利途径。

关键词：抓取拟合物体轮廓数据集平行线图像等间距采样机械臂末端数据集图像背景图像长度检测霍夫变换轮廓信息目标物体手动标注物体边缘物体区域物体图像中心旋转自动生成短线段训练集检测器夹手爪掩码排序费力相机标签采集驱动合并便利制作学习

来源：评论

学校读者我要写书评

暂无评论

一种检验语音标注质量的一致性检测方法

一种检验语音标注质量的一致性检测方法

引用

作者：毛峡景少玲陈立江王岚张娜娜 100191 北京市海淀区学院路37号

本发明提供一种检验语音标注质量的一致性检测方法，该方法包括以下步骤：1)标注文件为TextGrid格式，将标注形式分为三种，并根据三种不同的标注形式，设计了三种相应的一致性检测公式。2)对含有六层标注信息的文件进行一致性检测，六... 详细信息

标准号: CN104795077B

本发明提供一种检验语音标注质量的一致性检测方法，该方法包括以下步骤：1)标注文件为TextGrid格式，将标注形式分为三种，并根据三种不同的标注形式，设计了三种相应的一致性检测公式。2)对含有六层标注信息的文件进行一致性检测，六层信息分别是：音节层(PY层)、声韵母层(SY层)、清音浊音静音层(SUV层)、副语言信息层(PARAL层)、情感层(EMO层)、重音指数层(ST层)。3)根据标注层的标注形式，选择对应的一致性计算公式。4)设定时间误差T₀，两名标注者标注内容相同且时间误差小于等于T₀的则认为标注结果一致，否则认为不一致，依次计算各层的一致性。本发明一致性检测方法是检验语音数据库标注质量的基础，为自动语音标注质量和手动标注质量的检验提供了一种有效的检测方法。

关键词：标注一致性检测时间误差检验一致性计算语音数据库标注文件标注信息计算各层手动标注语言信息语音标注自动语音音节标注层不一致静音层声韵母检测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的图像数据扩增方法

基于深度学习的图像数据扩增方法

引用

作者：秦硕周礼许淞斐 314000 浙江省嘉兴市桐乡市桐乡经济开发区发展大道288号4幢212室

本发明公开了一种基于深度学习的图像数据扩增方法，包括以下步骤。步骤S1：将前景图片F和背景图片B进行预处理，以获得经预处理的前景图片RF。步骤S2：对于前景图片F进行自动或者手动标注，以形成前景图片F的标注信息，上述标注信息包... 详细信息

标准号: CN108986185B

本发明公开了一种基于深度学习的图像数据扩增方法，包括以下步骤。步骤S1：将前景图片F和背景图片B进行预处理，以获得经预处理的前景图片RF。步骤S2：对于前景图片F进行自动或者手动标注，以形成前景图片F的标注信息，上述标注信息包括前景图片F的感兴趣区域。步骤S3：将前景图片F的标注信息应用于经预处理的前景图片RF。步骤S4：利用超像素方法处理前景图片RF的感兴趣区域与背景图片F叠加后的交界处。本发明公开的基于深度学习的图像数据扩增方法，通过深度学习模型对图像进行融合，利用有限数量的自然图像即可产生大量的同等质量的训练数据，节省了时间和成本，有效地服务于深度学习的训练过程。

关键词：前景图片预处理标注信息感兴趣区域背景图片图像数据扩增学习手动标注训练过程训练数据自然图像交界处有效地像素叠加图像融合应用服务

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的迭代式数据标注方法

基于大语言模型的迭代式数据标注方法

引用

作者：周熠戴子杰宋建恒 230000 安徽省合肥市金寨路96号

本发明公开了基于大语言模型的迭代式数据标注方法，涉及人工智能的数据标注技术领域，该迭代式数据标注方法包括以下步骤：从待处理的事件中抽取标注任务得到待标注样本，并将待标注样本集成至大语言模型进行初步标注；将初步标注结果... 详细信息

标准号: CN117892135A

本发明公开了基于大语言模型的迭代式数据标注方法，涉及人工智能的数据标注技术领域，该迭代式数据标注方法包括以下步骤：从待处理的事件中抽取标注任务得到待标注样本，并将待标注样本集成至大语言模型进行初步标注；将初步标注结果集成至大语言模型进行检查，并根据检查结果获得大语言模型对初步标注的纠正建议；根据纠正建议对初步标注结果进行纠正，并将纠正完成的标注结果集成至大语言模型内进行二次检查；大语言模型根据二次检查结果判定标注结果是否需要修改；采用投票策略判断大语言模型的标注结果的成功率。本发明兼顾手动标注的准确性和自动标注的低成本高效率。

关键词：标注语言模型数据标注二次检查结果集成纠正迭代人工智能策略判断检查结果结果判定手动标注样本集成自动标注低成本高效率成功率样本抽取投票检查

来源：评论

学校读者我要写书评

暂无评论

一种基于交互式分割的自动标注方法、存储介质

一种基于交互式分割的自动标注方法、存储介质

引用

作者：祝树杰曾利宏杨洋黄淦翟爱亭 518000 广东省深圳市南山区西丽街道西丽社区同发南路万科云城六期二栋1702房-1706房

一种基于交互式分割的自动标注方法、存储介质，采用基于神经网络的自动标注网络对图像中的待标注目标进行分割得到待标注目标掩膜图，利用用户在待标注图像上选取的点的坐标以及上一次得到的待标注目标掩膜图引导自动标注网络进行标注... 详细信息

标准号: CN118015621A

一种基于交互式分割的自动标注方法、存储介质，采用基于神经网络的自动标注网络对图像中的待标注目标进行分割得到待标注目标掩膜图，利用用户在待标注图像上选取的点的坐标以及上一次得到的待标注目标掩膜图引导自动标注网络进行标注，通过多次迭代不断更新待标注目标掩膜图，从而将待标注目标在图像中分割出来，最后得到的待标注目标掩膜图即图像的像素级标注结果。本发明减少了手动标注中一些描边等操作，大大缩减标注时间，节约人力与时间成本；使用神经网络自动对图像进行标注，避免了人工标注的主观性和标注人员状态导致的人为标注错误，提高了标注的正确性、稳定性和统一性。

关键词：标注目标掩膜图像自动标注神经网络交互式分割存储介质多次迭代人工标注人员状态时间成本手动标注像素级主观性分割描边网络更新节约

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共27页 << < 1 2 3 4 5 6 7 8 9 10 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：