AbstractThis paper describes a para

Abstract
This paper describes a parallel neural net architecture for efficient and
robust visual selection in generic gray level images. Objects are represented
through flexible star type planar arrangements of binary local features,
which are in turn star type planar arrangements of oriented edges.
Candidate locations are detected over a range of scales and other deformations,
using a generalized Hough transform. The flexibility of the arrangements
provides the required invariance. Training involves selecting a
small number of stable local features, from a predefined pool, which are well
localized on registered examples of the object. Training therefore requires
only small data sets. The parallel architecture is constructed so that the
Hough transform associated with any object can be implemented without
creating or modifying any connections. The different object representations
are learned and stored in a central module. When one of these representations
is evoked, it ‘primes’ the appropriate layers in the network so that
the corresponding Hough transform is computed. Analogies between the
different layers in the network and those in the visual system are discussed,
furthermore the model can be used to explain certain experiments on visual
selection reported in the literature.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อเอกสารนี้อธิบายถึงสถาปัตยกรรมประสาทสุทธิพร้อมสำหรับการมีประสิทธิภาพ และเลือกภาพแข็งแกร่งในรูประดับสีเทาทั่วไป วัตถุที่แสดงถึงโดยจัดเรียงระนาบดาวชนิดยืดหยุ่นของไบนารีภายในซึ่งเป็นชนิดในดาวขอบแนวระนาบเรียงตำแหน่งผู้ตรวจพบช่วงของสเกลและอื่น ๆ deformationsใช้การแปลง Hough เมจแบบทั่วไป ความยืดหยุ่นของการจัดมี invariance ต้อง ฝึกอบรมเกี่ยวข้องกับการเลือกแบบหมายเลขขนาดเล็กของมั่นคงภายใน จากกำหนดไว้ล่วงหน้า สระว่ายน้ำที่ดีภาษาท้องถิ่นในการลงทะเบียนตัวอย่างของวัตถุ ต้องการฝึกอบรมดังนั้นเฉพาะขนาดเล็กชุดข้อมูล สร้างสถาปัตยกรรมแบบขนานเพื่อให้การสามารถดำเนินการแปลง Hough ที่เกี่ยวข้องกับวัตถุโดยไม่ต้องสร้าง หรือปรับเปลี่ยนการเชื่อมต่อใด ๆ นำเสนอวัตถุที่แตกต่างกันเรียนรู้ และเก็บไว้ในโมดูลเซ็นทรัล เมื่อนำเสนอเหล่านี้อย่างใดอย่างหนึ่งมี evoked มัน 'primes' ชั้นในเครือข่ายที่เหมาะสมเพื่อให้มีคำนวณการแปลง Hough สอดคล้องกัน Analogies ระหว่างการชั้นต่าง ๆ ในเครือข่ายและในระบบภาพกล่าวถึงนอกจากนี้ สามารถใช้แบบจำลองอธิบายการทดลองบางอย่างบน visualเลือกรายงานในวรรณคดี

ผลลัพธ์ (ไทย) 2:

บทคัดย่อกระดาษนี้จะอธิบายสถาปัตยกรรมสุทธิขนานประสาทที่มีประสิทธิภาพและการเลือกภาพที่มีประสิทธิภาพในการทั่วไปภาพระดับสีเทา วัตถุที่เป็นตัวแทนผ่านประเภทดาวที่มีความยืดหยุ่นการจัดระนาบของคุณสมบัติท้องถิ่นไบนารีที่อยู่ในประเภทการเตรียมการเปิดดาวระนาบขอบที่มุ่งเน้น. สถานที่ผู้สมัครมีการตรวจพบในช่วงของเครื่องชั่งและพิการอื่น ๆโดยใช้ Hough ทั่วไปเปลี่ยน ความยืดหยุ่นของการเตรียมการให้แปรเปลี่ยนที่จำเป็น การฝึกอบรมเกี่ยวกับการเลือกขนาดเล็กจำนวนมากของคุณสมบัติในท้องถิ่นที่มีเสถียรภาพจากสระว่ายน้ำที่กำหนดไว้ล่วงหน้าซึ่งมีการแปลเป็นภาษาท้องถิ่นในตัวอย่างที่จดทะเบียนของวัตถุ ดังนั้นจึงจำเป็นต้องฝึกอบรมชุดข้อมูลขนาดเล็กเท่านั้น สถาปัตยกรรมแบบขนานที่สร้างขึ้นมาเพื่อให้Hough เปลี่ยนที่เกี่ยวข้องกับวัตถุใด ๆ สามารถดำเนินการได้โดยไม่ต้องสร้างหรือปรับเปลี่ยนเชื่อมต่อใดๆ การเป็นตัวแทนวัตถุที่แตกต่างกันจะเรียนรู้และเก็บไว้ในโมดูลกลาง เมื่อหนึ่งของการเป็นตัวแทนเหล่านี้จะปรากฏก็เฉพาะ'ชั้นที่เหมาะสมในเครือข่ายเพื่อให้สอดคล้องHough เปลี่ยนคำนวณ อุปมาระหว่างชั้นที่แตกต่างกันในเครือข่ายและผู้ที่อยู่ในระบบการมองเห็นที่จะกล่าวถึง, นอกจากรูปแบบที่สามารถใช้ในการอธิบายการทดลองบางอย่างในภาพเลือกรายงานในวรรณคดี

ผลลัพธ์ (ไทย) 3:

นามธรรม
กระดาษนี้อธิบายขนานสถาปัตยกรรมประสาทสุทธิที่มีประสิทธิภาพและเลือกภาพที่แข็งแกร่งในระดับ
ภาพสีเทาทั่วไป วัตถุจะแสดงผ่านการจัดระนาบยืดหยุ่น
ดาวชนิดคุณสมบัติท้องถิ่นไบนารี
ซึ่งอยู่ในระนาบที่มุ่งเน้นการเปิดดาวชนิดของขอบ
สถานที่ผู้สมัครตรวจพบช่วงของเกล็ดและรูปร่างอื่น ๆ ,
ทั่วไปโดยใช้ Hough แปลง ความยืดหยุ่นของการจัดเรียง
ให้ต้องแปรเปลี่ยน . การฝึกอบรมที่เกี่ยวข้องกับการเลือกตัวเลขขนาดเล็กของประเทศที่มั่นคง
คุณสมบัติ จากที่กำหนดไว้กลางแจ้ง ซึ่งดี
ถิ่นจดทะเบียนตัวอย่างของวัตถุ ดังนั้นจึงต้องมีการฝึก
เล็กเท่านั้น ข้อมูลชุด สถาปัตยกรรมแบบขนานถูกสร้างขึ้นเพื่อให้
Hough แปลงที่เกี่ยวข้องกับวัตถุใด ๆที่สามารถดำเนินการได้โดยไม่ต้องสร้างหรือปรับเปลี่ยนใด ๆการเชื่อมต่อ
.
ภาพวัตถุที่แตกต่างกันจะเรียนรู้ และเก็บไว้ในระบบกลาง เมื่อหนึ่งในตัวแทน
เหล่านี้ปรากฏ มัน ' ' ชั้นรูปแบบที่เหมาะสมในเครือข่ายเพื่อให้สอดคล้องกัน
Hough แปลงเป็นคํานวณ ใช้ระหว่าง
ชั้นต่าง ๆ ในเครือข่าย และผู้ที่อยู่ในระบบภาพที่กล่าวถึง
นอกจากนี้แบบจำลองสามารถนำมาใช้เพื่ออธิบายการทดลองบางอย่างในสายตา
เลือกรายงานในวรรณคดี