- 综合排序
- 最热优先
- 最新优先
- 来自专栏SnailTyan
CRNN论文翻译——中英文对照
声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 我们在Torch7[10]框架内实现了网络，使用定制实现的LSTM单元（Torch7/CUDA），转录层（C++）和BK树数据结构（C++）。 ICLR, 2014. 6, 7 [7] Y. Bengio, P. Y. Simard, and P. Frasconi. In ICCV, 2013. 1, 2, 6, 7 [9] W. A. Burkhard and R. M. Keller. In ICPR, 2012. 1, 6, 7 [36] C. Yao, X. Bai, B. Shi, and W. Liu.
2.5K00发布于 2017-12-28 - 来自专栏怪兽怪秀
机械图纸常用术语英语对照翻译
对照翻译 ###英文图纸标题栏的一些资料 英文工程图纸的右下边是标题栏（相当于我们的标题栏和部分技术要求），其中有图纸名称（TILE）设计者（DRAWN）审查者（CHECKED）材料（MATERIAL 1° 角度公差±1° 4)DIMS TOLERANCE±0.1 未注尺寸公差±0.1 5)SURFACE FINISH 3.2 UNLESS STATED 未注粗糙度3.2 ###机械图纸常用术语英语对照翻译 （EQUI-SPACED=EQUALLY SPACED均布） DRILL 1"DIA THRO＇ 钻1"通孔（THRO＇=THROUGH通） C/SINK22×6DEEP 沉孔22×6 例2.TAP 7" 14 UNF-3B THRO＇攻统一标准细牙螺纹，每英寸14牙，精度等级3B级 （注UNF=UNIFIED FINE THREAD美国标准细牙螺纹） 1"DRILL 1"/4-20 UNC-3 THD7" /8 DEEP 4HOLES NOT BREAK THRO 钻1"孔，攻1"/4美国粗牙螺纹，每英寸20牙，攻深7"/8,4孔不准钻通（UNC=UCIFIED COARSE THREAD 美国标准粗牙螺纹
5.2K20编辑于 2022-09-20 - 来自专栏SnailTyan
Batch Normalization论文翻译——中英文对照
best-performing ImageNet classification network, and show that we can match its performance using only 7% 在4.2小节，我们将批标准化应用到性能最好的ImageNet分类网络上，并且表明我们可以使用仅7％的训练步骤来匹配其性能，并且可以进一步超过其准确性一大截。
1.4K10发布于 2017-12-28 - 来自专栏SnailTyan
Deformable Convolutional Networks论文翻译——中英文对照
位置敏感（PS）的RoI池化[7]。它是全卷积的，不同于RoI池化。 Figure 7: Illustration of offset parts in deformable (positive sensitive) RoI pooling in R-FCN [7] and 图7：R-FCN[7]中可变形（正敏感）RoI池化的偏移部分的示意图和输入RoI（黄色）的3x3个组块（红色）。请注意部件如何偏移以覆盖非刚性物体。 3.1. 在ROI池化中采用7×77\times 7的组块。 In CVPR, 2016. 7 [7] J. Dai, Y. Li, K. He, and J. Sun.
1.6K00发布于 2017-12-28 - 来自专栏SnailTyan
Squeeze-and-Excitation Networks论文翻译——中英文对照
Figure 7. Example images from the four classes of ImageNet. ? Figure 8. 具体而言，我们从ImageNet数据集中抽取了四个类，这些类表现出语义和外观多样性，即金鱼，哈巴狗，刨和悬崖（图7中显示了这些类别的示例图像）。 7. (b) The first 7×77\times 7 convolutional layer was replaced with three consecutive 3×33\times 3 convolutional （b）第一个7×77\times 7卷积层被三个连续的3×33\times 3卷积层所取代。
1.6K00发布于 2017-12-28 - 来自专栏SnailTyan
Single Shot MultiBox Detector论文翻译——中英文对照
seconds per frame (SPF), and even the fastest high-accuracy detector, Faster R-CNN, operates at only 7 通常，这些方法的检测速度是以每帧秒（SPF）度量，甚至最快的高精度检测器，Faster R-CNN，仅以每秒7帧（FPS）的速度运行。 Faster R-CNN 7 FPS with mAP 73.2%73.2\% or YOLO 45 FPS with mAP 63.4%63.4\%). 在YOLO[5]的训练中、Faster R-CNN[2]和MultiBox[7]的区域提出阶段，一些版本也需要这样的操作。一旦确定了这个分配，损失函数和反向传播就可以应用端到端了。 我们首先将每个实际边界框与具有最好的Jaccard重叠（如MultiBox[7]）的边界框相匹配。
1.4K00发布于 2017-12-28 - 来自专栏SnailTyan
Going Deeper with Convolutions——GoogLeNet论文翻译——中英文对照
声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 对于更大的数据集例如ImageNet来说，最近的趋势是增加层的数目[12]和层的大小[21, 14]，同时使用丢弃[7]来解决过拟合问题。 这个网络（用不同的图像块采样方法训练的）使用了我们组合中7个模型中的6个。 7. The challenge uses the top-5 error rate for ranking purposes. 7.
1.4K00发布于 2017-12-28 - 来自专栏SnailTyan
Inception-V3论文翻译——中英文对照
分解到更小的卷积 具有较大空间滤波器（例如5×5或7×7）的卷积在计算方面往往不成比例地昂贵。 在这个水平上，通过使用1×7卷积，然后是7×1卷积可以获得非常好的结果。 ? 图6。n×n卷积分解后的Inception模块。在我们提出的架构中，对17×17的网格我们选择n=7。 侧头中的层的批标准化[7]导致top-1 0.4％的绝对收益。下轴显示执行的迭代次数，每个批次大小为32。 7. Factorized 7×77\times 7 includes a change that factorizes the first 7×77\times 7 convolutional layer 标签平滑是指在第7节中描述的方法。分解的7×77\times 7包括将第一个7×77\times 7卷积层分解成3×33\times 3卷积层序列的改变。
2K00发布于 2017-12-28 - 来自专栏SnailTyan
U-Net - Convolutional Networks 论文翻译——中英文对照
声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translation U-Net: Convolutional Networks for even larger and deeper networks have been trained [12]. 1 引言 在过去两年，深度卷积网络在许多视觉识别任务中的表现都优于当前的最新技术，例如[7,3 Krizhevsky等人[7]的突破是通过大型网络在ImageNet数据集上的监督训练实现的，其中大型网络有8个网络层和数百万参数，ImageNet数据集包含百万张训练图像。 U-Net（输入数据7个旋转版本的平均）在没有任何进一步的“前”或后处理的情况下实现了0.0003529的“弯曲误差”（新的最佳分数，参见表1）和0.0382的“兰德误差”。
5.6K51发布于 2020-04-24 - 来自专栏Puppeteer学习
MongoDB学习（翻译7）
手动构造类映射时您可以简单地通过不将字段或属性添加到类映射。当使用自动映射你需要指定应忽略该字段或属性的方法。可以使用属性编写如下编写：
47120编辑于 2022-05-09 - 来自专栏SnailTyan
YOLO，You Only Look Once论文翻译——中英文对照
For evaluating YOLO on Pascal VOC, we use S=7S=7, B=2B=2. Our final prediction is a 7×7×307\times 7 \times 30 tensor. ? The Model. 我们最终的预测是7×7×307\times 7 \times 30的张量。 ? 模型。 我们的系统将检测建模为回归问题。 The final output of our network is the 7×7×307 \times 7 \times 30 tensor of predictions. 我们网络的最终输出是7×7×307 \times 7 \times 30的预测张量。 2.2.
2K00发布于 2017-12-28 - 来自专栏SnailTyan
Effective Java 2.0_中英文对照_Item 7
文章作者：Tyan 博客：noahsnail.com | CSDN | 简书 Item 7: Avoid finalizers **Finalizers are unpredictable,
46910编辑于 2022-05-09 - 来自专栏SnailTyan
ImageNet Classification with Deep Convolutional Neural Networks——AlexNet论文翻译——中英文对照
predictions of several classifiers trained on FVs computed from different types of densely-sampled features [7] 7 Discussion Our results show that a large, deep convolutional neural network is capable of achieving So the depth really is important for achieving our results. 7 探讨 我们的结果表明一个大型深度卷积神经网络在一个具有高度挑战性的数据集上使用纯有监督学习可以取得破纪录的结果 In CVPR09, 2009. [7] J. Deng, A. Berg, S. Satheesh, H. Su, A. Khosla, and L. Fei-Fei.
1.4K91发布于 2017-12-29 - 来自专栏SnailTyan
ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks论文翻译——中英文对照
文章作者：Tyan 声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！ 翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translation ESRGAN: Enhanced Super-Resolution 各种网络架构设计和训练策略持续地改善SR性能，尤其是峰值信噪比(PSNR)的值[5,6,7,1,8,9,10,11,12]。 Fig.7: Qualitative results of ESRGAN. 从图7可以看出，我们提出的ESRGAN在清晰度和细节方面都优于之前的方法。
1.5K40发布于 2020-05-27 - 来自专栏勇哥编程游记
推荐一个双语对照的 PDF 翻译工具的开源项目：PDFMathTranslate
今天给大家推荐一个双语对照的 PDF 翻译工具的开源项目：PDFMathTranslate 。 项目介绍：基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务，提供 CLI/GUI/Docker 。 布局分析和 PDF 指令流分析实现对文档排版的完整保留 ；保留行内/行间公式和图表样式，对 Latex 文献进行特殊优化；保留文档可索引目录结构 ；支持 Google、DeepL 和 OpenAI 等多种翻译服务 接下来，选择翻译服务 Google、Bing、zhipu、Tentcent 等和翻译方向（英文转中文），最后点击翻译按钮即可。 ；2、调用翻译服务 Google 、智普、Bing、DeepL、OpenAI 等开放平台的服务 ；3、将数据流整合在一起并输出到目标 PDF 。
1.1K10编辑于 2025-01-04 - 来自专栏勇哥编程游记
推荐一个双语对照的 PDF 翻译项目：PDFMathTranslate
今天给大家推荐一个双语对照的 PDF 翻译项目：PDFMathTranslate 。 项目地址： https://github.com/Byaidu/PDFMathTranslate 项目介绍： 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama PDF 指令流分析实现对文档排版的完整保留 ； 保留行内/行间公式和图表样式，对 Latex 文献进行特殊优化； 保留文档可索引目录结构 ； 支持 Google、DeepL 和 OpenAI 等多种翻译服务 且小于 3.12 ; 2、安装此程序 ; pip install pdf2zh 3、打开 GUI 界面 , 访问：http://localhost:7860/ pdf2zh -i 4、上传文件并翻译 接下来，选择翻译服务 Google、Bing、zhipu、Tentcent 等和翻译方向（英文转中文）， 最后点击翻译按钮即可。
66710编辑于 2025-01-08 - 来自专栏全栈程序员必看
Keycode对照表（键码对照表）
2 50 C 67 L 76 U 85 3 51 D 68 M 77 V 86 4 52 E 69 N 78 W 87 5 53 F 70 O 79 X 88 6 54 G 71 P 80 Y 89 7 keyCode) 按键 键码 按键 键码 0 96 8 104 1 97 9 105 2 98 * 106 3 99 + 107 4 100 Enter 108 5 101 – 109 6 102 . 110 7 103 / 111 功能键键码值(keyCode) 按键 键码 按键 键码 F1 112 F7 118 F2 113 F8 119 F3 114 F9 120 F4 115 F10 121 F5 116
11.6K30发布于 2021-10-28 - 来自专栏CSDNToQQCode
keycode对照表（键码对照表）
2 50 C 67 L 76 U 85 3 51 D 68 M 77 V 86 4 52 E 69 N 78 W 87 5 53 F 70 O 79 X 88 6 54 G 71 P 80 Y 89 7 keyCode) 按键 键码 按键 键码 0 96 8 104 1 97 9 105 2 98 * 106 3 99 + 107 4 100 Enter 108 5 101 - 109 6 102 . 110 7 103 / 111 功能键键码值(keyCode) 按键 键码 按键 键码 F1 112 F7 118 F2 113 F8 119 F3 114 F9 120 F4 115 F10 121 F5 116
2.8K10编辑于 2022-11-29 2025年7大翻译效率工具揭晓
本次测评聚焦7款主流翻译插件，用实测数据说话，帮大家筛选出适配不同场景的高效解决方案，其中会译翻译插件凭借全场景覆盖能力、专业术语精准度及灵活适配性，在测评中占据核心推荐地位，成为多行业用户的优先选择。 ，提升团队协作效率；快捷翻译指令：自定义常用翻译指令（如 “商务邮件优化”“学术摘要翻译”），触发即生成对应结果，简化操作；翻译效率统计：多维度统计翻译时长、术语复用率、准确率，辅助优化翻译流程，明确效率提升方向 日、韩离线翻译需求，且网络环境稳定的个人用户▶ 预警提示：无网络或需要小语种离线翻译时，功能无法满足；专业文档翻译需搭配其他工具，避免影响内容准确性TOP7 推荐快鲸翻译｜★☆☆☆☆▶ 核心短板：聚焦工单场景文本片段翻译 ▶ 适用人群：仅需处理工单文本片段翻译的制造业售后团队▶ 预警提示：需配合其他文档翻译工具使用，无法满足全场景翻译需求，个人用户或多场景企业用户不建议选择二、综合对比表（文字描述）本次 7 款翻译插件横向评测 ；彩云小译适合日常中、英、日、韩等通用语种翻译，小语种及专业领域准确率不足，需人工校对；百度翻译适合个人少量翻译，批量处理上限低，无团队功能；有道翻译支持中、英、日、韩离线翻译，小语种离线需求无法满足；
1.2K10编辑于 2025-08-18- 来自专栏SnailTyan
Very Deep Convolutional Networks for Large-Scale Image Recognition—VGG论文翻译—中英文对照
× 7 layer? 很容易看到两个3×3卷积层堆叠（没有空间池化）有5×5的有效感受野；三个这样的层具有7×7的有效感受野。那么我们获得了什么？例如通过使用三个3×3卷积层的堆叠来替换单个7×7层。 这可以看作是对7×7卷积滤波器进行正则化，迫使它们通过3×3滤波器（在它们之间注入非线性）进行分解。 即，全连接层首先被转换成卷积层（第一FC层转换到7×7卷积层，最后两个FC层转换到1×1卷积层）。然后将所得到的全卷积网络应用于整个（未裁剪）图像上。 由此产生的7个网络组合具有7.3％的ILSVRC测试误差。
1.1K00发布于 2017-12-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号