世界画布服务器 世界画布框架的一个组件，一个用于存储和访问世界语义信息的 ROS 堆栈，最初侧重于移动机器人的需求和用例。 World canvas server 是语义地图的存储管理器。 初始版本复制了语义映射的行为。 快速尝试 安装 使用 world_canvas.rosinstall 创建一个 world_canvas 工作区。 不要忘记安装依赖项： rosdep install --from-paths -i src 跑步 首先，启动注解服务器： roslaunch world_canvas_server world_canvas_server.launch debug:=true --screen 然后你需要用一些注释填充数据库（我们仍然没有编辑器:( 使用来自 world_canvas_server 包的 save_xxxx.py 脚本和 test/annotatio

语法信息、语义信息、语用信息的三位一体。 符号 主体 客体 含义 效用 语义信息 语法信息 语用信息 形式 详见《信息科学原理》，第三版，2002年. 全信息的基本概念

一种融合位置语义信息的位置预测算法，付莉莉，李朝晖，近年来，使用用户的历史位置信息挖掘用户移动轨迹信息并进行位置预测成为研究热点。针对现有研究工作仅使用用户地理位置及时间属

针对图像和视频中多人姿态估计存在人体边界框定位不准确、困难关键点检测精度有待提高等问题,设计了一套基于自顶向下框架的实时多人姿态估计模型。首先将深度可分离卷积加入目标检测算法中,提高人体检测器运行速度;然后基于特征金字塔网络结合上下文语义信息,采用在线难例挖掘算法解决困难关键点检测精度低的问题;最后结合空间变换网络与姿态相似度计算,剔除冗余姿态,改善边界框定位准确性。本文提出模型在2017MS COCO Test-dev数据集上的平均检测精度比Mask R-CNN模型提升了14.84%,比RMPE模型提升了2.43%,帧频达到 22 frame/s。

WordGCN 使用图卷积网络在词嵌入中整合句法和语义信息 WordGCN概述 SynGCN概述：SynGCN使用图卷积网络来利用依赖上下文学习单词嵌入。 对于词汇表中的每个单词，该模型旨在通过基于使用GCN编码的依存关系上下文预测每个单词来学习其表示形式。 请参阅本文的第5节以获取更多详细信息。 依存关系 与TensorFlow 1.x和Python 3.x兼容。 可以使用requirements.txt安装依赖项。 pip3 install -r requirements.txt 安装用于评估学习的嵌入的。 可以从此下载本文中使用的测试和有效数据集拆分。 用提供的文件夹替换原始的~

2014-BIM 与 GIS 数据集成 IFC 与 CityGML 建筑几何语义信息互操作技术.pdf

Text Content Grapher based on keyinfo extraction by NLP method。输入一篇文档，将文档进行关键信息提取，进行结构化，并最终组织成图谱组织形式，形成对文章语义信息的图谱化展示。

提出了基于语义的信息检索原型系统，通过建立在本体论基础上的语义分析和逻辑推理，初步实现了 人机语义交互，使得计算机能够理解用户的查询意图，明确信息需求，不但可以保证信息检索的查全率，而且可 以有效提高查准率，查询结果更加合理

基于弗洛里迪语义信息公式的课堂教学量化评估模型