Next, we will expand the training s

Next, we will expand the training set by also including an equal number of high and low change tiles.
As shown in Table 4, we will select a fixed percentage of high and low change tiles that will double the
number of tiles compared to those selected in the previous section. This will ideally balance the number
of tiles with change and those without relevant change to allow the classification training to create a more
discriminative classifier instead of one that has been over-fitted to the high change data.

ผลลัพธ์ (ไทย) 1:

ถัดไป เราจะขยายการฝึกอบรมโดยยัง รวมถึงของสูง และต่ำเปลี่ยนกระเบื้องดังแสดงในตาราง 4 เราจะเลือกเปอร์เซ็นต์คงที่สูง และต่ำเปลี่ยนกระเบื้องที่จะคู่จำนวนกระเบื้องเปรียบเทียบเลือกในส่วนก่อนหน้า นี้จะสมดุลหมายเลขห้องกระเบื้องเปลี่ยนและไม่เปลี่ยนแปลงที่เกี่ยวข้องเพื่อให้การจัดประเภทการสร้างมากขึ้นdiscriminative classifier แทนหนึ่งว่ามากเกินไปเปลี่ยนแปลงข้อมูล

ผลลัพธ์ (ไทย) 3:

ต่อไปเราจะขยายการฝึกอบรมชุดโดยรวมมีจำนวนสูง และเปลี่ยนกระเบื้องน้อย
ดังแสดงในตารางที่ 4 เราก็จะเลือกเปอร์เซนต์ที่สูงและต่ำจะเปลี่ยนกระเบื้องคู่
จำนวนกระเบื้องเมื่อเปรียบเทียบกับผู้ที่เลือกในส่วนก่อนหน้า นี้จะนึกคิดสมดุลหมายเลข
ของกระเบื้องที่มีการเปลี่ยนแปลงและการเปลี่ยนแปลงที่เกี่ยวข้องกับพวกที่ไม่มีให้จัดอบรมเพื่อสร้างเพิ่มเติม
และลักษณนามแทนหนึ่งที่ได้รับมาประกอบกับข้อมูลการเปลี่ยนแปลงสูง