|
关注：1
2013-05-23 12:21
求翻译：While most existing methods thus remain trapped in a "closed universe" recognition paradigm, a much more exciting paradigm of "open universe" datasets is promising to become dominant in the very near future. For example, the LabelMe dataset [11] is composed of complex, real-world scene images that have been segmented a是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
While most existing methods thus remain trapped in a "closed universe" recognition paradigm, a much more exciting paradigm of "open universe" datasets is promising to become dominant in the very near future. For example, the LabelMe dataset [11] is composed of complex, real-world scene images that have been segmented a
问题补充： |
|
2013-05-23 12:21:38
虽然大多数现有的方法因此仍被困在一个“封闭的宇宙”识别模式， “开放的宇宙”数据集一个更令人兴奋的模式有望成为霸主，在不久的将来。
|
|
2013-05-23 12:23:18
当多数现有的方法在“时关闭了宇宙”公认范例因而依然是设陷井， “开放宇宙”数据集一个更加扣人心弦的范例是有为的在不久的将来变得统治。例如， LabelMe数据集[11]分割了并且标记了的由复杂，真实世界的场面图象的组成(有时不完全地或喧闹地)是由多名用户。
|
|
2013-05-23 12:24:58
当多数现有的方法在“时关闭了宇宙”公认范例因而依然是设陷井，更多“开放宇宙”数据集扣人心弦的范例是有为的在不久的将来变得统治。 例如， LabelMe数据集 (11) 是由广泛用户有时残缺不全地或喧闹地分割了并且标记了的 (由复杂，真实世界的) 场面图象的组成。 没有前de ned套类标签; 数据集经常扩展，人们上装新的相片或增加注释到潮流一个。 为了应付这样数据集，视觉算法必须有更加快速的训练和测试的时期，并且他们必须使它容易连续更新视觉模型以新的类或新的图象。
|
|
2013-05-23 12:26:38
虽然大多数现有的方法因而仍然被困在一种"封闭的宇宙"识别模式，更令人兴奋的范式的"开放宇宙"数据集有望成为占主导地位，在不久的将来。例如，[11] LabelMe 数据集被由复杂的真实世界的场景图像已分割和标记 （有时不够完整或吵闹） 由多个用户。那里是没有前德奈德组类标签 ；随着新人们上传照片或将批注添加到现有数据集不断扩大。为了应付这种数据集，视觉算法必须要快得多的训练和测试时间，并且他们必须很容易不断用新的类或新的图像更新的视觉模型。
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
