|
关注：1
2013-05-23 12:21
求翻译：where n(c，S ) (resp. n( c，S )) is the number of superpixels in set S with class label c (resp. not c). To prevent zero likelihoods and smooth the counts, we add one to n(c，Nki) and n( c，Nki). In our implementation, we use the X distance for all features, and set each threshold T to the median distance to the 20th nea是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
where n(c，S ) (resp. n( c，S )) is the number of superpixels in set S with class label c (resp. not c). To prevent zero likelihoods and smooth the counts, we add one to n(c，Nki) and n( c，Nki). In our implementation, we use the X distance for all features, and set each threshold T to the median distance to the 20th nea
问题补充： |
|
2013-05-23 12:21:38
其中n （ C，S ）（或N（ C， S） ）是superpixels在集合S带班标签数c （ RESP 。没有三） 。
|
|
2013-05-23 12:23:18
正在翻译，请等待...
|
|
2013-05-23 12:24:58
那里n( c， S ) (resp。 n( c， S )) 是superpixels的数量在集合S与类标签c (resp。 不是c)。 要防止零的可能和使计数光滑，我们加一到n( c、Nki) 和n( c， Nki)。 在我们的实施，我们为所有特点使用X距离，并且设置每门限T到中间距离到第20个最近的邻居为K特点类型在数据集。 superpixel邻居N由线性搜索当前寻找通过检索集合。
|
|
2013-05-23 12:26:38
其中 n （c，S） （和 n （c，S）） 是集 S 与 c 类标签 （不和） superpixels 数目。为防止零可能和平滑计数，我们添加一个 n(c，Nki) 和 n （c，Nki）。在我们的实现中，我们对所有的功能，使用 X 的距离，并在数据集到近邻 20 的平均距离为 K 功能类型设置每个阈值 T。像素发挥其邻居 N 目前是通过线性搜索通过检索组发现的。
|
|
2013-05-23 12:28:18
where n(c,S ) (resp. n( c,S )) is the number of superpixels in set S with class label c (resp. not c).To prevent zero likelihoods and smooth the counts, we add one to n(c,Nki) and n( c,Nki).在我们的执行中，我们在所有特征方面使用 X 距离，设置每个阈值 T 到中部距离到针对数据套的 K 特征类型的第 20 最近的邻居。超像素与 N 为邻当前通过被设置的检索被线性搜索找到。
|
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
