ADNOTARE - Collection d'outils d'annotation collaborative


ADNOTARE : Collection d’outils permettant de construire des plateformes d’annotation telles que VESTA et PACTE. Les plateformes construites à partir de ces outils aideront les chercheurs à créer et à consolider plus rapidement des banques de connaissances à contenu multimédia en automatisant les travaux d’annotation et en facilitant l’interaction entre les groupes qui travaillent sur les mêmes données. À terme, ces plateformes formeront un portail novateur qui répondra aux besoins d’analyse de données, tant pour les disciplines des sciences naturelles et de génie, qu’à celles des sciences sociales. 

 
 
 
 
 

Plateformes de recherche

Créées dans le cadre de projets financés par CANARIE, les plateformes de recherche élaborées par le CRIM sont disponibles sur le Portail des logiciels de recherche de CANARIE, qui met à la disposition des chercheurs des plateformes et des services logiciels afin d’accélérer la découverte.
 

Équipes

Nouvelles récentes

  • Le CRIM partie prenante d'un vaste projet technologique autour des langues autochtones canadiennes!
    05/12/2018

    Le CRIM est fier d’annoncer le début d’une collaboration à long terme avec le Conseil national de recherches du Canada (CNRC) dans le cadre d’un projet visant à encourager la revitalisation et la préservation des langues autochtones grâce aux technologies

    +

Événement à venir

  • HASE 2019
    3/01/19 2019h00
    Hangzhou, China
    Le CRIM présentera deux articles à la 19e édition du IEEE International Symposium on High Assurance Systems Engineering, qui se déroulera du 3 au 5 janvier 2019 à Hangzhou, Chine
    +
  • Montréal International RT @MTLINTL: #DYK Montréal has one of the deepest #AI talent pools in the world ???? More details ???? https://t.co/R073su8k8z #NeurIPS #NeurIPS2…
  • Tom Landry RT @Tom_Landry_: Hey @opengeospatial and @CRIM_ca ! Poster is set up at #AGU18 to present (draft) work of #MachineLearning task of Testbed-…

Publications récentes

  • Towards Automatic Feature Extraction for Activity Recognition from Wearable Sensors: A Deep Learning Approach

    +
  • Checking Sequence Generation for Symbolic Input/Output FSMs by Constraint Solving

    +