确定每个特征在预定区域内出现的速率

vetedo7038gfgh

该方法的部分可以在一个或多个计算机上执行或实现，包括例如计算机、服务器计算机和训练计算机。此外，该方法的部分可以作为算法在本文公开的硬件设备或系统上执行或实现。可以执行该方法的部分内容。出于说明和讨论的目的描述了按特定顺序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，本文公开的任何方法的各个步骤可以进行调整、修改、重新安排、省略和扩展，而不偏离本专利的范围。


该方法可以包括确定每个特征在预定区域内出现的速率。F至少部分地基于多个语 墨西哥 WhatsApp 号码数据 义标签。此外，特征可以包括单独的特征，包括物体的尺寸或被照明物体的亮度，以及特征的组合，包括颜色和形状的组合。

例如，计算机可以确定在一平方公里的区域内出现特征组合（例如，亮黄色风格化字母）的速率。此外，特征可以与字母（例如，字母“N”）、特定颜色（例如，亮黄色）以及与特征相关联的机构（例如，银行、餐馆或其他业务）。计算机可以确定特征组合在一平方公里的区域内出现一次。




至少部分地基于多个语义标签来确定每个特征在预定区域内出现的速率可以用于至少部分地基于多个语义标签来识别包括该特征的地标满足衡量每个特征的局部突出程度的熵标准。

该方法可以包括确定地标包括低于阈值率的最不频繁特征。例如，在确定一组餐馆中用作地标的餐馆时，计算机可以确定该区域中的其他餐馆中出现次数最少的餐馆将被包括在地标中。作为进一步的示例，在确定用作地标的对象时，计算机可以确定低于阈值率（例如，每平方公里出现一次的阈值率）出现的显着雕塑将被包括在地标中。

确定地标包括出现次数最少或以低于阈值速率的速率出现的特征可以用于至少部分地基于多个语义标签来识别包括满足熵标准的特征的局部显着地标衡量每个功能的局部突出程度。