导读:本文包含了自动标注论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,语义,注意力,深度,卷积,机制,编号。
自动标注论文文献综述
王锟朋,钟汇才[1]（2019）在《基于子空间聚类的视频人脸数据自动标注》一文中研究指出针对人脸数据标注所需的人工和时间成本巨大,标注出的人脸数据集含有较多噪声问题,提出一种基于子空间聚类的视频人脸数据自动标注方法。首先,将海量视频作为人脸数据的采集来源,以满足多种人脸识别任务中不同的人脸数据需求,然后使用人脸识别模型将人脸数据映射到特征空间,使用改进K近邻算法把人脸数据划分到不同的子特征空间,最后在每个子特征空间内使用K均值算法分离人脸数据中的正样本、难正样本与负样本,收集难正样本构建人脸数据集。实验在公开数据集LFW与真实待标注数据上进行,实验结果表明子空间聚类法的F1度量得分比传统聚类算法分别提高了10%和7%,数据标注速度达到传统人工标注的10倍。使用该方法建立了一个包含200个ID、9 500张人脸照片的模糊人脸数据集,可用于多种人脸识别问题的研究。(本文来源于《电子设计工程》期刊2019年21期）
易宁,昌志敏,陈晓峰[2]（2019）在《利用AutoCAD VBA编写自动标高标注程序》一文中研究指出AutoCAD作为工程设计人员必不可少的设计工具之一,在工程制图中发挥了重要的作用。除具有强大的制图功能外,它还提供了供二次开发者使用的AutoLisp、VBA等更为灵活方便的二次开发工具。本文编写了一个在AutoCAD的VBA开发环境中运行的自动标高标注程序,通过合理设置(本文来源于《治淮》期刊2019年10期）
凌洪飞,欧石燕[3]（2019）在《面向主题模型的主题自动语义标注研究综述》一文中研究指出【目的】对面向主题模型的主题自动语义标注方法进行总结与评述,以促进主题模型的发展与应用。【文献范围】在Web of Science和CNKI数据库中分别以"Topic Labeling OR Topic Labelling OR Topic Tagging ORTopicIndexing"和"主题模型AND(标注OR标签)"等检索式进行检索,通过手工筛选获得代表性文献57篇。【方法】对相关论文进行深入阅读与分析,以主题标注过程中主题标签的生成来源为线索,对已有方法进行分类与比较分析。【结果】面向主题模型的主题自动语义标注包括候选标签生成与排序两个主要步骤,根据候选标签的生成来源可分为依靠自身语料库和依靠外部语料库两类方法。【局限】目前该领域的研究还不是很丰富,分析与评述不够系统和全面。【结论】该领域的研究仍具有较大探索空间,面向社交媒体内容的主题语义标注是未来研究方向,可结合更丰富的知识库并采用深度学习技术进行改进提升。(本文来源于《数据分析与知识发现》期刊2019年09期）
张栖莹[4]（2019）在《街景地图中基于文字识别的自动标注研究》一文中研究指出当前,我国信息化技术实现了迅猛发展,在各行各业都逐步渗透,并广泛应用,呈现出十分良好的应用效果。在空间信息领域有效引入文字识别技术,结合具体情况,有效利用车载移动测量系统可以切实有效的采集更高清的街景影像,并通过相应的算法,在最大程度上有效针对特定位置展开相对应的定位,并进行相对应的文字识别,之后,通过相对应的数据库检索相关内容,并匹配与之相适应的相关地理信息,然后在街景地图上标注文字,通过这样的方法就可以自动化的标注街景影像。(本文来源于《科技风》期刊2019年26期）
孙海玲[5]（2019）在《全功能连续自动标注建筑CAD轴线编号命令的研究》一文中研究指出通过分析建筑CAD轴号的标注形式,将其分为3类8种形式。轴号命令以属性块应用过程为开发思路,将8种形式轴号所涉及到的内容分为图形、文字和属性叁个方面,图形包含轴圈圆和斜线对象、文字为每次标注中不变化的对象、属性为可变对象。为了实现对象的重复调用,所有对象都单独创建,也包括创建一个内容为空的图块,在标注不同形式的轴号时,只需按照标注内容,选取创建好的公共对象构成选择集,再将选择集添加到块里面,即可完成其标注。此编程方法,最大限度的重复调用公共对象,缩短命令开发周期,提高运行速度、便于后续升级维护。(本文来源于《攀枝花学院学报》期刊2019年05期）
王旭阳,朱鹏飞[6]（2019）在《基于模糊机制和语义密度聚类的汉语自动语义角色标注研究》一文中研究指出基于CPB (Chinese Proposition Bank)提出一种基于LSTM-Bi-LSTM的汉语自动语义角色标注方法,并提出语义密度聚类进行数据预处理以及"模糊"机制利用于词向量转换过程。语义密度聚类通过密度的概念对谓词进行全局统一的聚类,将稀疏谓词替换为其所属聚类集合中的常见谓词;利用语义距离概念,将"模糊"机制引入词向量的转换过程,能适当地减少词向量的语义性,并提升与谓词词向量的相关性。利用Bi-LSTM网络自动学习特征表达,然后利用CRF和IOBES标注策略转化为词序列标注问题,引进一种词性学习方法;利用LSTM网络学习生成的词性特征向量与"模糊化"后的词向量融合后一同作为模型的输入向量;训练过程中采用了小批量梯度下降算法和Dropout正则化,这既加快了训练速度,又易于得到全局最优解,还防止了参数过拟合情况的出现。多组对比实验表明,该方法标注结果的F值最高达到了81.24%。(本文来源于《计算机应用与软件》期刊2019年09期）
程冰[7]（2019）在《基于卷积神经网络的自动标注技术的研究》一文中研究指出近几年来,人工智能深度学习技术发展快速,卷积神经网络作为深度学习中一个具有代表性的算法,由于其仿造生物的视知觉(visual perception)机制构建,具有较强的表征学习(representation learning)能力,而被广泛应用于计算机视觉领域。然而,为了训练卷积神经网络推理模型,需要对大量的图像数据进行人工标(本文来源于《电子世界》期刊2019年16期）
王振宇,张睿,高雨轩,萧永乐[8]（2019）在《基于标签深度分析的音乐自动标注算法》一文中研究指出尽管深度神经网络算法在标签自动标注领域已取得一定的成果,但对于包含大量噪声标签的真实音乐数据集仍存在自动标注效果差的问题.为此,文中通过对音乐标签进行表示学习,挖掘音乐标签与音频特征之间的潜在关系,提出了基于标签深度分析的音乐自动标注算法.该算法先通过多层级卷积网络提取音频特征,再通过音乐标签向量的表示学习来降低噪声数据对音乐自动标注网络的不良影响.在真实音乐标注数据集上的实验结果表明,该算法能取得更高的平均受试者特征曲线下面积,标注效果优于其他自动标注算法.(本文来源于《华南理工大学学报(自然科学版)》期刊2019年08期）
蔺玉璞,孙悦,杨秀芝[9]（2019）在《基于Revit自动批量标注房间号的中间件》一文中研究指出针对Revit模型标注房间号既频繁且效率不高的问题,采用面向对象的C#编程语言,借助Revit API端口进行二次开发,研发可批量化自动标注房间号的中间件,实现快速识别模型房间的算法,对房间自动完成分层奇偶编制批量编号标注。通过工程图纸验证,该方法能够在较短时间内对图纸中模型房间自动标注编号,提高了设计人员建模速度和工作效率。(本文来源于《河南城建学院学报》期刊2019年03期）
吕凡,胡伏原,张艳宁,夏振平,盛胜利[10]（2019）在《面向图像自动语句标注的注意力反馈模型》一文中研究指出图像自动语句标注利用计算机自动生成描述图像内容的语句,在服务机器人等领域有广泛应用.许多学者已经提出了一些基于注意力机制的算法,但是注意力分散问题以及由注意力分散引起的生成语句错乱问题还未得到较好解决.在传统注意力机制的基础上引入注意力反馈机制,利用关注信息的图像特征指导文本生成,同时借助生成文本中的关注信息进一步修正图像中的关注区域,该过程不断强化图像和文本中的关键信息匹配、优化生成的语句.针对常用数据集Flickr8k, Flickr30k和MSCOCO的实验结果表明,该模型在一定程度上解决了注意力分散和语句顺序错乱问题,比其他基于注意力机制方法标注的关注区域更加准确,生成语句更加通顺.(本文来源于《计算机辅助设计与图形学学报》期刊2019年07期）
自动标注论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
AutoCAD作为工程设计人员必不可少的设计工具之一,在工程制图中发挥了重要的作用。除具有强大的制图功能外,它还提供了供二次开发者使用的AutoLisp、VBA等更为灵活方便的二次开发工具。本文编写了一个在AutoCAD的VBA开发环境中运行的自动标高标注程序,通过合理设置
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自动标注论文参考文献
[1].王锟朋,钟汇才.基于子空间聚类的视频人脸数据自动标注[J].电子设计工程.2019
[2].易宁,昌志敏,陈晓峰.利用AutoCADVBA编写自动标高标注程序[J].治淮.2019
[3].凌洪飞,欧石燕.面向主题模型的主题自动语义标注研究综述[J].数据分析与知识发现.2019
[4].张栖莹.街景地图中基于文字识别的自动标注研究[J].科技风.2019
[5].孙海玲.全功能连续自动标注建筑CAD轴线编号命令的研究[J].攀枝花学院学报.2019
[6].王旭阳,朱鹏飞.基于模糊机制和语义密度聚类的汉语自动语义角色标注研究[J].计算机应用与软件.2019
[7].程冰.基于卷积神经网络的自动标注技术的研究[J].电子世界.2019
[8].王振宇,张睿,高雨轩,萧永乐.基于标签深度分析的音乐自动标注算法[J].华南理工大学学报(自然科学版).2019
[9].蔺玉璞,孙悦,杨秀芝.基于Revit自动批量标注房间号的中间件[J].河南城建学院学报.2019
[10].吕凡,胡伏原,张艳宁,夏振平,盛胜利.面向图像自动语句标注的注意力反馈模型[J].计算机辅助设计与图形学学报.2019
论文知识图
