Using the fact that the MNIST datas

Using the fact that the MNIST dataset includes close to
6000 different shapes of each digit we have tested the recognition ability of the compared descriptors with different sets
of template having different sizes. We have generated eight
sets of templates including 100, 500, 1000, 2000, 3000, 4000,
5000 and all the samples in the set number 8. We have
used the DTW method to test the recognition rates of the
two descriptors with the different sets of samples. Results
in Figure 4, show that the presented descriptor outperforms
the Shape Context when the number of templates is small,
and becomes closer to it when the number of the presented
samples for comparing is large.
100

ผลลัพธ์ (ไทย) 1:

ใช้ข้อเท็จจริงที่มีชุดข้อมูล MNIST ใกล้เคียงกับ6000 รูปร่างแตกต่างกันของแต่ละตำแหน่ง ที่เราจะทดสอบการรับรู้ความสามารถของตัวแสดงรายละเอียดเมื่อเทียบกับค่าแม่แบบที่มีขนาดแตกต่างกัน เราได้สร้างแปดชุดของแม่แบบที่รวม 100, 500, 1000, 2000, 3000, 40005000 และทุกตัวอย่างในชุดหมายเลข 8 เรามีใช้วิธี DTW เพื่อทดสอบอัตราการรู้จำแบบตัวบอกสองชุดแตกต่างกันอย่าง ผลลัพธ์ในรูปที่ 4 แสดงอธิบายนำเสนอ outperformsบริบทรูปร่างเมื่อหมายเลขของต้นแบบมีขนาดเล็กและใกล้ชิดกับมันเมื่อหมายเลขของการนำเสนอตัวอย่างการเปรียบเทียบมีขนาดใหญ่100

ผลลัพธ์ (ไทย) 2:

การใช้ความจริงที่ว่าชุดข้อมูลที่ MNIST รวมถึงใกล้กับ
6000 รูปร่างที่แตกต่างของแต่ละหลักเราได้ทดสอบความสามารถในการรับรู้ของอธิบายเมื่อเทียบกับชุดที่แตกต่าง
ของแม่ที่มีขนาดแตกต่างกัน เราได้สร้างแปด
ชุดของแม่แบบรวมทั้ง 100, 500, 1000, 2000, 3000, 4000,
5000 และตัวอย่างทั้งหมดในจำนวนชุด 8. เราได้
ใช้วิธี DTW เพื่อทดสอบอัตราการรับรู้ของ
ทั้งสองอธิบายกับชุดที่แตกต่างกัน ของกลุ่มตัวอย่าง ผล
ในรูปที่ 4 แสดงให้เห็นว่าตัวบอกที่นำเสนอมีประสิทธิภาพดีกว่า
บริบทรูปร่างเมื่อจำนวนของแม่ที่มีขนาดเล็ก
และจะกลายเป็นใกล้ชิดกับมันเมื่อจำนวนของที่นำเสนอ
ตัวอย่างสำหรับการเปรียบเทียบที่มีขนาดใหญ่.
100

ผลลัพธ์ (ไทย) 3:

ใช้ความจริงที่ว่าข้อมูล mnist รวมถึงใกล้
6 รูปร่างที่แตกต่างกันของแต่ละหลักที่เราได้ทดสอบการรับรู้ความสามารถ ของเทียบกับที่แตกต่างกันในชุด
ของแม่แบบที่มีขนาดแตกต่างกัน เราได้สร้างแปด
ชุดแม่แบบรวม 100 , 500 , 1000 , 2000 , 3000 , 4000 , 5000
และตัวอย่างทั้งหมดในชุดเบอร์ 8 เรามี
ใช้วิธี DTW ทดสอบการรู้จำของ
2 ในกับชุดที่แตกต่างกันของตัวอย่าง ผลลัพธ์
ในรูปที่ 4 แสดงให้เห็นว่าเสนอหัวเรื่องโปรย
รูปร่างบริบทเมื่อจำนวนของแม่แบบที่มีขนาดเล็ก และกลายเป็นใกล้ชิดกับมัน

เมื่อจำนวนที่นำเสนอตัวอย่างเปรียบเทียบขนาดใหญ่ .
100