拉贝尔梅

LabelMe:一个基于数据库和Web的图像注释工具。我们寻求建立一个具有地面真实标签的大量图像集合,用于目标检测和识别研究。这些数据有助于指导学习和定量评估。为了实现这一点,我们开发了一个基于web的工具,它允许简单的图像注释和这些注释的即时共享。使用这个注释工具,我们收集了一个跨越许多对象类别的大型数据集,通常在各种图像上包含多个实例。我们量化数据集的内容,并与用于对象识别和检测的现有最先进的数据集进行比较。此外,我们还展示了如何扩展数据集以使用WordNet自动增强对象标签、发现对象部分、恢复场景中对象的深度顺序以及使用最少的用户监督和来自web的图像来增加标签的数量


zbMATH中的参考文献(参考文献44条)

显示第1到第20个结果,共44个。
按年份排序(引用)
  1. Marcos Nieto,Orti Senderos,Oihana Otaegui:推进人工智能应用:复杂数据集的标记格式(2021)不是zbMATH
  2. 吕德克,蒂莫;阿戈斯蒂尼,亚历杭德罗;福斯,迈克尔;塔莫西亚尼岩,米尼贾;Wörgötter,Florentin:视觉场景中物体的分布语义与文本的比较(2019)
  3. 刘、杨;冯林;刘盛兰;孙木欣:全局相似性保持哈希(2018)
  4. 朱志辉;李刚;丁家俊;李秋薇;何雄雄:协同压缩传感系统:框架、设计与算法(2018)
  5. Kim,Minyoung:文本/图像建模和分类的有效直方图字典学习(2017)
  6. 艾特,托马斯;Kaminski,Tobias:利用上下文知识进行视觉对象的混合分类(2016)
  7. Marius Cordts,Mohamed Omran,Sebastian Ramos,Timo Rehfeld,Markus Enzweiler,Rodrigo Benenson,Uwe Franke,Stefan Roth,Bernt Schiele:语义城市场景理解的城市景观数据集(2016)阿尔十四
  8. 什么是突出的物体?突出目标检测的数据集和基线模型(2015)
  9. 乐、坦;Cuturi,Marco:直方图的自适应欧几里德映射:广义Aitchison嵌入(2015)
  10. 博图,莱昂:从机器学习到机器推理(2014)ioport公司
  11. 埃斯拉米,S。M。阿里;希斯,尼古拉斯;威廉姆斯,克里斯托弗K。一、 。;约翰·温恩:《形状玻尔兹曼机器:物体形状的强大模型》(2014)
  12. 龚伯清;格雷曼,克里斯汀;Sha,Fei:用于视觉对象识别的无监督域自适应学习核(2014)
  13. 卡普尔,阿什什;凯塞多,胡安C。;李钦斯基,丹尼;康成兵:图像增强的协同个性化(2014)ioport公司
  14. 李,李佳;苏浩;林永焕;李飞飞:对象库:高层次视觉识别的对象级图像表示(2014)ioport公司
  15. 梅斯尼尔,希腊;博尔德斯,安托万;韦斯顿,杰森;契克,加尔;Bengio,Yoshua:学习对象及其部分的语义表示(2014)
  16. 帕特森,吉纳维芙;徐、陈;苏,挂;Hays,James:《太阳属性数据库:深入场景理解的超越类别》(2014)ioport公司
  17. Vijayanarasimhan,Sudheendra;Grauman,Kristen:大规模实时主动学习:使用爬网数据和人群训练对象检测器(2014)ioport公司
  18. Payet,纳迪亚;Todorovic,Sinisa:SLEDGE:用于边界检测的图像边缘序列标记(2013)
  19. 提格,约瑟夫;Lazebnik,Svetlana:超级炮制(2013)ioport公司
  20. 冯德里克,卡尔;帕特森,唐纳德;Ramanan,Deva:有效提升众包视频注释(2013)ioport公司