Our contributions of this paper are

Our contributions of this paper are two-fold. First, wepresent a method to predict the similarity of an image pair based on deep neural network using whole-image similarity measure; second, we apply our approach on unseen data to examine the generalization characteristics, showing that it out- performs a state-of-the-art CNN trained for the classification task.

0/5000

源语言: -

目标语言: -

结果 (简体中文) 1: [复制]

复制成功！

我们对本文的贡献有两个方面。首先，我们 提出一种使用全图像相似性度量的基于深度神经网络的图像对相似性预测方法；其次，我们将我们的方法应用于看不见的数据以检查泛化特征，表明其性能优于为分类任务训练的最新CNN。

正在翻译中..

结果 (简体中文) 2:[复制]

复制成功！

我们对本文的贡献是双重的。首先，我们 采用全图像相似度测量方法，根据深度神经网络预测图像对的相似性：其次，我们应用我们的方法在看不见的数据，以检查概括特征，表明它执行最先进的CNN培训的分类任务。 ...

正在翻译中..

结果 (简体中文) 3:[复制]

复制成功！

本文的贡献有两个方面。首先，我们 提出了一种基于深度神经网络的图像对相似性预测方法，该方法利用图像的整体相似性测度来预测图像对的相似性；其次，将该方法应用于未知数据，检验了其泛化特性，结果表明，该方法优于为分类任务训练的最新CNN。

正在翻译中..

其它语言

本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.