two dierent ways. Firstly, we intu

two dierent ways. Firstly, we intuitively decide the importance
of visual words by analysing the number of images
they appear in. Suppose, a visual word Vi is indexed to ni
images. We set a upper threshold H and a lower threshold
L. If L >= ni or, if ni >= H, then we remove this visual
word, arguing that it is less likely to be discriminating.
We analyse the results of this approach on the standard Oxford
Buildings dataset. It is observed that the mean Average
Precision(mAP) reduces with the size of the vocabulary.
However, the Precision-at-5 and Precision-at-10 remains una
ected(See Figure 3).
In another approach, we follow a supervised pruning technique.
We use the ground truth images to identify those
visual words that result in wrong retrievals. We start with
a training set of labeled images. Initially, each visual word
Vi is given zero score. We perform retrieval for each image
in the training set. Let us consider the retrieval process for
an image Ii. A visual word Vj occurring in the image gives
TF-IDF scores to other database images, say Jk, in which it
occurs. Now, suppose gi : ground truth set for image Ii;
if Jk 2 gi, then Vj 's score is incremented by the TF-IDF
value, else its score is decremented.
Hence, after iterating through each Ii, every visual word
Vi gets a nal score Si. We observed that, out of a total

ผลลัพธ์ (ไทย) 1:

สอง di วิธีระหว่างการผลิต ประการแรก เราได้ตัดสินใจความสำคัญภาพคำวิเคราะห์จำนวนภาพพวกเขาปรากฏใน สมมติว่า คำ visual Vi คือดัชนีการนิภาพ เราตั้ง H ขีดจำกัดบนและขีดจำกัดล่างL ถ้า L > = ni หรือ ni > = H แล้วเราเอา visual นี้word เถียงว่า ก็มีโอกาสน้อยที่จะเหยียดพวกผิวเราวิเคราะห์ผลลัพธ์ของวิธีการนี้ใน Oxford มาตรฐานอาคารชุดข้อมูล มันเป็นข้อสังเกตที่ค่าเฉลี่ยหมายถึงPrecision(mAP) ลดขนาดของคำศัพท์อย่างไรก็ตาม ยังคงความแม่นยำที่ 5 และความแม่นยำที่ 10 una หนัง (ดูรูป 3)ในวิธีอื่น เราทำตามเทคนิคการดูแลตัดแต่งกิ่งเราใช้ภาพพื้นความจริงว่าแสดงคำที่ไม่ถูกต้อง retrievals เราเริ่มต้นด้วยการฝึกอบรมตั้งภาพป้าย เริ่มแรก แต่ละคำแสดงVi จะได้รับคะแนนเป็นศูนย์ เราทำการเรียกข้อมูลสำหรับแต่ละรูปในชุดการฝึกอบรม ขอให้เราพิจารณากระบวนการเรียกภาพที่สอง เกิด Vj มองเห็นคำในภาพให้TF-IDF คะแนนอื่น ๆ ฐานข้อมูลภาพ Jk กล่าวว่า ในการที่จะเกิดขึ้น ตอนนี้ สมมติ gi: พื้นดินจริงตั้งสำหรับภาพ Iiถ้า Jk 2 gi แล้วของ Vj คะแนนจะเพิ่ม โดย TF-IDFค่า อื่นคะแนนได้หักด้วยเหตุนี้ หลังจากการวนผ่าน Ii แต่ละ ทุกคำ visualได้ Vi เป็น nal คะแนน Si เราสังเกตว่า จากทั้งหมด

ผลลัพธ์ (ไทย) 2:

สอง di? วิธีที่ต่างกัน ประการแรกเราตัดสินใจสังหรณ์ใจความสำคัญ
ของคำภาพโดยการวิเคราะห์จำนวนภาพ
ที่ปรากฏใน. สมมติว่าคำ Vi ภาพการจัดทำดัชนีเพื่อพรรณี
ภาพ เราตั้งเกณฑ์บน? H และต่ำกว่าเกณฑ์
? L ถ้า? L> = พรรณีหรือหากพรรณี> =? H, แล้วเราจะลบภาพนี้
คำเถียงว่ามันมีโอกาสน้อยที่จะถูกแบ่งแยก.
เราวิเคราะห์ผลของวิธีการนี้มาตรฐานฟอร์ด
ชุดข้อมูลอาคาร มันถูกตั้งข้อสังเกตว่าค่าเฉลี่ยเฉลี่ย
แม่นยำสูง (MAP) จะช่วยลดขนาดของคำศัพท์ได้.
แต่ความแม่นยำที่ 5 และความแม่นยำที่ 10 ยังคง Una
? ected (ดูรูปที่ 3).
ในวิธีอื่นเราทำตาม เทคนิคการตัดแต่งกิ่งภายใต้การดูแล.
เราใช้ภาพความจริงพื้นดินที่จะระบุผู้
คำภาพที่มีผลในการสืบค้นที่ไม่ถูกต้อง เราเริ่มต้นด้วย
ชุดการฝึกอบรมของภาพที่มีข้อความ ในขั้นต้นแต่ละคำภาพ
Vi จะได้รับคะแนนเป็นศูนย์ เราดำเนินการดึงสำหรับภาพแต่ละภาพ
ในชุดฝึกอบรม ขอให้เราพิจารณากระบวนการเรียกสำหรับ
ภาพ Ii คำ VJ ภาพที่เกิดขึ้นในภาพให้
คะแนน TF-IDF กับภาพฐานข้อมูลอื่น ๆ บอกว่า JK, ในสิ่งที่มัน
เกิดขึ้น ตอนนี้ GI สมมติว่าชุดความจริงพื้นภาพที่สอง;
ถ้า Jk 2 GI แล้วคะแนน VJ 's จะเพิ่มขึ้นโดย TF-IDF
. ค่าอื่นคะแนนมันเป็น decremented
ดังนั้นหลังจากการทำซ้ำผ่านแต่ละครั้งที่สองทุกคำภาพ
Vi ได้รับ คะแนน NAL ศรี เราสังเกตเห็นว่าออกจากทั้งหมด