摘要：埋点技术,即利用应用程序中嵌入的特殊代码收集运行过程中的数据,方便开发者分析和评估性能。多维埋点数据通常借助评估模型进行自动化分析,以减轻人工负担。然而,埋点数据标注作为训练模型的重要环节,仍存在难度大、效率低的问题。设计了一种基于成对关系的埋点数据标注方法,实现了一个交互式可视化标注系统,有效降低了埋点数据的标注难度,减轻了标注负担,并显著提升了标注效率。通过基于真实数据的案例分析和用户实验,验证了方法和系统的有效性和实用性。

摘要：为了降低人工标注图像数据的工作量,本文提出了一种半自动数据标注系统的设计方案。该系统根据一部分预标注的数据,通过目标检测模型自动学习数据的特征,对剩余数据进行自动标注。本系统使标注人员的工作从数据标注转化为数据审核与校正,大大提升了标注人员的工作效率。

摘要：数据标注是人工智能的基础,是机器学习得以训练的不可或缺的步骤。现有的数据标注软件并不能满足用户个性化的标注需求,因此,本文设计并实现了图像语义分割标注软件。该软件适用于任意场景图像的语义分割标注,可以有效提高标注员和审核员的工作效率,具有一定的推广应用价值。

摘要：水果分类对于水果生产、加工、运输以及自助销售都有重要意义.卷积神经网络通过多层次的特征学习和自动特征提取,能够高效地处理和分类大量水果,在水果分类方面具有出突出的优势.然而,目前的水果分类方法存在诸多问题,如过度依赖人工、准确率不高、智能化程度不足以及鲁棒性差等.为解决这些问题,提出一种改进的YOLOv3卷积神经网络水果分类算法.利用LabelImg工具进行数据标注,把YOLOv3主干网络draknet53替换为DenseNet网络,建立网络层之间的密集连接,增强水果图像的特征信息,实现特征复用,减少计算参数量,强化特征训练,进而训练出一种准确度较高的水果分类模型.经测试,改进的算法对水果分类识别平均准确率达到98%,显著提升了水果分类的准确性.

摘要：非结构化数据存在差异性,对标注模型的构建存在不足,影响标注质量。提出基于多通道卷积神经网络的非结构化数据标注方法。建立Hive分布式查询框架,对其中与标注目标相关的数据进行相似性查找,同时建立众包标注集,确定相关标注概念。对标注集中的标注差异性,利用多通道卷积神经网络对其差异性进行确认,并确定标注任务函数。利用标注任务函数,建立任务标注模型,利用模型中求得函数解值完成标注任务。为了验证设计的非结构化数据标注方法的可行性,实验结果证明设计方法下得到的标注质量更高,方法性能更好,满足设计初衷。

摘要：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。

摘要：针对目前对于音频信息情感的研究较少以及对音频情感进行智能分析识别缺乏成熟技术的问题,文中提出了一种基于VGGish网络的音频信息情感智能识别算法。该算法通过VGGish网络提取音频信息的特征,利用降维可视化的方法不断调整不同情感音乐数据集分布,通过SVM和LSTM模型实现了音乐情感分类。算法测试结果表明,两种分类模型均能够对音频信息情感进行准确有效地分类,尤其是LSTM模型对于音频信息情感分类的平均准确率可达90.12%。

摘要：人工智能日益融入经济发展各个领域,并对各行各业的运行方式产生深远影响。伴随着人工智能大模型的不断发展与应用,对数据、算法、算力等方面均提出了更高的要求。目前,人工智能已在铁路行业多个领域发挥重要作用,但铁路人工智能应用在平台能力、技术体系和业务应用建设中还存在一些问题。文章分析铁路人工智能的应用现状及需求,提出铁路人工智能平台的建设目标,设计铁路人工智能平台的总体架构及功能,研究铁路人工智能平台关键技术,对促进人工智能在铁路行业的系统应用具有积极意义。

摘要：数据标注是对未处理的初级数据,包括文本、图像、视频等非结构化数据进行打标签处理,并转换为人工智能可识别的过程。在信息化时代军事舆情领域的数据资源迎来爆发式增长的背景下,数据标注在实现数据标准化与快速准确检索目标数据的场景中扮演着极其重要的角色。为了能够帮助使用人员大幅度提高军事舆情数据的检索与分析效率,主要研究了基于机器学习与深度学习的智能标注技术,对智能标注系统做了流程设计和功能模块架构设计,包括通过Python算子训练实现标注算法模型化、Kubernetes容器编排实现标注算法服务容器化,设计实现了一套以工作流为执行单元、以分发各阶段任务为推动模式的智能标注系统。

摘要：近年来,电动摩托车事故数量攀升,未佩戴头盔成为造成驾乘人员受伤或死亡的主要原因。为了促进市民能够树立安全骑行佩戴头盔的意识,本文研究并设计了基于YOLOv5目标检测的头盔智能检测系统。该系统分为头盔目标检测端和后台管理端。头盔目标检测端首先通过定点路况数据采集获得头盔佩戴数据集,然后使用预处理后的数据集训练YOLOv5算法模型,最后训练模型用于检测道路骑行者头盔佩戴情况。后台管理端实现了视频的回放和违规数据的处理与查看。该系统基于人工智能目标检测技术,解决了交管部门对非机动车进行监管时耗时、耗力、漏检的问题,具有重要的现实意义与实用价值。