The normalization can be in any des

The normalization can be in any desired norm and is used
to achieve fairness between database images with few and
many descriptor vectors. We have found that L 1 norm gives
better results than the more standard L 2 norm.
In the simplest case, the weights w i are set to a constant,
but retrieval performance is typically improved by an
entropy weighting like

Kết quả (Việt) 1:

Bình thường hóa có thể ở bất kỳ mức mong muốn và được sử dụngđể đạt được sự công bằng giữa các cơ sở dữ liệu hình ảnh với ít vànhiều mô tả vectơ. Chúng tôi đã tìm thấy rằng L 1 chuẩn chokết quả tốt hơn chuẩn L 2 hơn tiêu chuẩn.Trong trường hợp đơn giản nhất, trọng lượng w tôi được thiết lập để một hằng số,nhưng hiệu suất thu hồi thường được cải thiện bởi mộtdữ liệu ngẫu nhiên nặng như

Kết quả (Việt) 2:

Việc bình thường có thể ở bất kỳ mức mong muốn và được sử dụng
để đạt được sự công bằng giữa các hình ảnh cơ sở dữ liệu với ít và
nhiều vectơ mô tả. Chúng tôi đã tìm thấy rằng L 1 chuẩn mực cho
kết quả tốt hơn so với các tiêu chuẩn hơn L 2 mức.
Trong trường hợp đơn giản, trọng lượng wi được thiết lập để một hằng số,
nhưng hiệu suất thu hồi thường được cải thiện bằng một
trọng như entropy