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

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

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·I。；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. 纳迪亚，Payet；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