태양의 후예 다운로드

다운로드 파일 링크를 클릭 하면 (대신에 파일을 탐색): drawme 경량 자바 스크립트 라이브러리는 웹 브라우저에서 그림에 클라이언트-엔드 라인 드로잉을 활성화 합니다. 그것은 컴퓨터 비전 연구자에 대 한 자기 정의 라벨 작업에 대 한 기초를 제공 하기 위해 타겟팅 됩니다. 그것은 완전 한 지원 하지만 고정 라벨 인터페이스를 제공 라벨, 다릅니다. drawme는 자바 스크립트 라이브러리에만 사용자가 자신의 특정 라벨의 필요를 위해이 라이브러리의 사용을 만들기 위해 자신 들의 코드를 작성 해야 합니다. drawme는 레이블링을 위한 서버 또는 서버 끝 코드를 제공 하지 않지만 사용자가 특정 요구에 더 큰 유연성을 제공 합니다. 그것은 또한 HTML 양식 제출을 위한 텍스트로 자바 스크립트 DOM 개체를 직렬화 아마존 기계 터크 인터페이스와 간단한 예제와 함께 제공 됩니다. 사용자가 쉽게 자신의 라벨 인터페이스를이 mturk 예제를 기반으로, 라벨에 대 한 아마존의 기계적인 터크에 대 한 사용을 만들 수 있는 유료 근로자 또는 mturk 샌드와 연구자 스스로를 사용 하 여. 다음 웹 페이지의 첫 번째 교육 및 테스트 파티션에 대 한 모든 기능에서 결합 된 커널을 사용 하 여 결과를 시각화 합니다. 397 종류의 각각을 위해, 우리는 종류 이름, ROC 곡선, 5 개의 견본 traning 심상, 5 개의 견본 정확한 예측, 5 개의 가장 자부 하는 틀린 확실성을 (진실한 상표에) 보여주고, 5 개 이상 자부 한 틀린 네거티브 (틀린 예언 한 상표에).

장면 분류는 컴퓨터 비전의 근본적인 문제입니다. 그러나, 장면 이해 연구는 장면 종류의 가득 차 있는 다양성을 캡처하지 않는 현재 이용한 데이타 베이스의 한정 된 범위에 의해 강요 되었다. 개체 범주화를 위한 표준 데이터베이스에는 수백 개의 서로 다른 개체 클래스가 포함 되어 있지만 장면 범주의 사용 가능한 최대 데이터 집합은 15 개의 클래스만을 포함 합니다. 이 백서에서는 899 범주와 130519 이미지가 포함 된 광범위 한 현장 이해 (SUN) 데이터베이스를 제안 합니다. 397는 잘 샘플링 된 범주를 사용 하 여 장면 인식에 대 한 최첨단 알고리즘을 평가 하며 새로운 성능 범위에 대해 설정 합니다. 우리는 SUN 데이터베이스에서 인간의 현장 분류 성능을 측정 하 고 계산 방법과 비교 … 이 일은 A.T., 0747120에 NSF 직업 포상에 의해 투자 되 고 subcontract no. 073692 (주요한 계약 아니오에서 BAE 체계의 분할 투자 된다. HR0011-08-C-0134 darpa에 의해 발행), Foxconn과 구글과 ms의 선물. k. a.

E는 NSF 졸업생 연구 친교에 의해 투자 된다. j. 아오, k.. ehinger, j. haiys, a. torralba 및 a. oliva. 일 데이터베이스: 장면 카테고리의 대규모 컬렉션을 탐색 국제 저널 컴퓨터 비전 (ijcv) 아무것도 일어나지 않으면, 다운로드 GitHub 바탕 화면을 다시 시도 하십시오.