【技术实现步骤摘要】
本专利技术涉及一种数据集辅助标注系统，特别是一种基于帧间差模波形图的动作质量评估数据集辅助标注系统。
技术介绍
1、深度学习是一种机器学习方法，通过模拟人类大脑神经网络的结构和功能，实现对数据的自动学习和抽象表示。在深度学习中，数据集扮演着至关重要的角色，它们是用于训练和评估深度学习模型的基础。数据集标注是指为数据集中的样本分配标签或注释，以指示样本所属的类别、属性或相关信息。数据集标注对于许多深度学习任务至关重要，如图像分类、目标检测、语义分割和自然语言处理等。
2、数据集标注的目的是为了提供有关样本的准确和详细的信息，以便深度学习模型能够从中学习和泛化。在许多情况下，深度学习模型需要大量的标注数据才能达到较高的性能。标注数据可以由人工标注团队或专业标注服务提供商和众包平台等进行标注。
3、深度学习数据集标注可以应用于各种领域和任务。在计算机视觉领域，标注图像数据集可以用于图像分类、目标检测、图像分割等任务。例如，在图像分类任务中，每个图像需要被标注为属于不同类别，如猫、狗、汽车等。目标检测和图像分割任务中，需...
【技术保护点】
1.一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，所述系统包括：动作质量评估数据集辅助标注系统框架、动作片段起止时间标注模块和动作片段质量标注模块，其中：
2.根据权利要求1所述的一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，所述动作片段起止时间标注模块，具体包括：待标注视频加载模块、待标注视频播放模块、动作起止时间辅助寻找模块和动作片段起止时间标注、保存和加载模块，其中：
3.根据权利要求2中所述的一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，所述后端处理和计算模块中的所述计算...
【技术特征摘要】
1.一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，所述系统包括：动作质量评估数据集辅助标注系统框架、动作片段起止时间标注模块和动作片段质量标注模块，其中：
2.根据权利要求1所述的一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，所述动作片段起止时间标注模块，具体包括：待标注视频加载模块、待标注视频播放模块、动作起止时间辅助寻找模块和动作片段起止时间标注、保存和加载模块，其中：
3.根据权利要求2中所述的一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，所述后端处理和计算模块中的所述计算功能，即计算帧间差模波形图，该方法具体包括：
4.根据权利要求3所述的一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，步骤7中所述的寻找动作片段的分割时间s1,…,sk，具体方法包括：
5.根据权利要求4所述的一种基于帧间差模波形图的动作质量评估数据集辅助标注系统，其特征在于，步骤7-3中所述的获得候选分割时间集合candidate，具体方法如下：<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。