vocabulary of 1M for the Oxford Bui

vocabulary of 1M for the Oxford Buildings dataset, (i) only
5K visual words have Si > 0, and hence cause a positive"
impact on the retrieval process. (ii) 76K visual words have
Si < 0, and cause a
egative" impact. (iii) Rest 919K visual
words have Si = 0, and do not aect the retrieval process.
We use the positive" 5K visual words for our retrieval.
The mAP increases by 4% (See Figure 3 (a)) when evaluated
using a dierent test dataset. Hence, with 5K visual
words, the vocabulary is reduced by 200 times and yet we see
a performance improvement. This approach is constrained
to use an extensive ground truth, which is available with us
in the form of an annotated database. We expect our app
to work excellently on images where annotation is available.
On images without annotations, we anyway cannot do anything.

ผลลัพธ์ (ไทย) 1:

คำศัพท์ม. 1 สำหรับชุดข้อมูลที่อาคาร Oxford, (i) เท่านั้น5 K ภาพคำมีศรี > 0 และด้วยเหตุนี้ ทำให้ positive เป็น "ส่งผลกระทบต่อการเรียก (ii) 76K ภาพคำมีศรี < 0 และทำให้เกิด
egative เป็น "ผลกระทบ (iii) เหลือ 919K visualคำมีศรี = 0 และทำ ect ไม่เรียกกระบวนการนี้เราใช้ positive การ" 5 K ภาพคำสำหรับเรียกของเราแผนที่เพิ่มขึ้น 4% (ดูรูปที่ 3 (a)) เมื่อถูกประเมินโดยใช้ชุดข้อมูลทดสอบระหว่างการผลิตดี ด้วยเหตุนี้ ด้วยภาพ 5Kคำ คำศัพท์จะลดลง 200 เท่า และยัง เราเห็นการปรับปรุงประสิทธิภาพการทำงาน วิธีนี้มีจำกัดการใช้การครอบคลุมพื้นจริง ที่มีอยู่กับเราในรูปแบบของฐานข้อมูลประกอบ เราคาดว่า app ของเราการทำงานทั้งมีคำอธิบายประกอบภาพภาพไม่มีคำอธิบายประกอบ เรายังคงไม่สามารถทำอะไร

ผลลัพธ์ (ไทย) 2:

คำศัพท์ 1M สำหรับฟอร์ดอาคารชุดข้อมูล (i) เท่านั้น
5K คำภาพมีศรี> 0 และด้วยเหตุนี้ทำให้เกิด บวก "
ผลกระทบต่อกระบวนการเรียก. (ii) 76K คำภาพมี
ศรี <0, และก่อให้เกิด เชิงลบ "ผลกระทบ (iii) ส่วนที่เหลือ 919K ภาพ
คำมีศรี = 0 และไม่ได้หรือไม่? ect กระบวนการดึง.
เราใช้ในเชิงบวก "5K คำ ภาพสำหรับการดึงของเรา.
แผนที่จะเพิ่มขึ้น 4% (ดูรูปที่ 3 (ก)) เมื่อ การประเมิน
โดยใช้ดิ? ชุดทดสอบต่างกัน. ดังนั้นด้วย 5K ภาพ
คำศัพท์จะลดลง 200 ครั้งและเรายังเห็น
การปรับปรุงประสิทธิภาพการทำงาน. วิธีการนี้เป็นข้อ จำกัด
ในการใช้ความจริงพื้นดินที่กว้างขวางซึ่งสามารถใช้ได้กับเรา
ในรูปแบบ ของฐานข้อมูลข้อเขียน. เราคาดว่า app ของเรา
ในการทำงานที่ยอดเยี่ยมบนภาพที่บันทึกย่อ. พร้อมให้บริการ
บนภาพได้โดยไม่ต้องคำอธิบายประกอบเราอยู่แล้วไม่สามารถทำอะไร

ผลลัพธ์ (ไทย) 3:

ศัพท์ 1m อาคารออกซ์ฟอร์ด DataSet , ( ผม ) เท่านั้นภาพ 5 มีคำศรี > 0 และด้วยเหตุนี้ทำให้บวก”ผลกระทบต่อกระบวนการเรียก ( 2 ) คำ 76k มีภาพศรี < 0 , และสาเหตุผลกระทบ egative " ( 3 ) 919k ภาพที่เหลือคำศรี = 0 และไม่ aect กระบวนการเรียกเราใช้คำสืบค้นภาพบวก " 5K ของเราแผนที่เพิ่มขึ้น 4 % ( ดูรูปที่ 3 ( ก ) เมื่อประเมินการใช้ข้อมูลทดสอบ dierent . ดังนั้น ด้วย 5 ภาพคำ ศัพท์ ลดลง 200 ครั้ง และยัง เรา เห็นการแสดงการปรับปรุง วิธีการนี้เป็นข้อ จำกัดการใช้ความจริงกว้างขวางพื้นดิน ซึ่งสามารถใช้ได้กับเราในรูปแบบของบันทึกย่อฐานข้อมูล เราคาดว่า app ของเราทำงานที่ยอดเยี่ยมในการจัดการภาพที่สามารถใช้ได้ภาพโดยไม่ต้องบันทึกย่อ เราก็ไม่สามารถทำอะไรได้