作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,基于深度学习的人工智能技术成为计算机科学领域的研究热点.训练和评估深度学习模型需要高质量的大规模数据集.数据集的构建过程很大程度上依赖于人工手动标注,数据标注师所标注的标签质量决定了能否训练出表现优良的深度学习模型.本文提出一种基于Flask框架和爬虫技术的可视化深度学习数据集标注系统,该系统呈现给数据标注师友好易用的标注界面,并通过基于网络爬虫技术的方法在标注时给出提示,可有效提高数据标注师对图文数据的标注质量.
推荐文章
基于深度特征与非线性降维的图像数据集可视化方法
数据可视化
深度学习
非线性降维
卷积神经网络
基于VC与IDL混合编程的数据可视化系统
等离子体
IDL
混合编程
数据可视化
基于VC与IDL混合编程的数据可视化系统
等离子体
IDL
混合编程
数据可视化
数据可视化的色彩与形式
大数据
可视化
色彩
数据展现形式
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Flask与爬虫技术的可视化深度学习数据标注系统
来源期刊 电子制作 学科
关键词 数据标注 深度学习 数据集构建 网站开发
年,卷(期) 2020,(20) 所属期刊栏目 软件开发
研究方向 页码范围 36-37
页数 2页 分类号
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵北庚 22 69 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (76)
共引文献  (13)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1951(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(8)
  • 参考文献(0)
  • 二级参考文献(8)
2017(13)
  • 参考文献(0)
  • 二级参考文献(13)
2018(15)
  • 参考文献(1)
  • 二级参考文献(14)
2019(9)
  • 参考文献(3)
  • 二级参考文献(6)
2020(8)
  • 参考文献(5)
  • 二级参考文献(3)
2020(8)
  • 参考文献(5)
  • 二级参考文献(3)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据标注
深度学习
数据集构建
网站开发
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子制作
半月刊
1006-5059
11-3571/TN
大16开
北京市
1994
chi
出版文献量(篇)
22336
总下载数(次)
116
论文1v1指导