ترنسیس | Transis Transis | ترنسیس

امیر قبادی

  • 1 ماه پیش فعال بوده
  • 2 سال و 2 ماه در ترنسیس
این صفحه را به اشتراک بگذارید

امیر قبادی

  • 1 ماه پیش فعال بوده
  • 2 سال و 2 ماه در ترنسیس
امتیاز کارفرمایان
9.8 از 10
توسط کارفرمایان
[ از 21 رأی ]
امتیاز ترنسیس
9.7 از 10
توسط تیم ارزیابی ترنسیس
[ از1 رأی ]
32 ترجمه موفق
0 ترجمه ناموفق

کارشناس ارشد مخابرات - دانشگاه علم و صنعت - مترجم متون تخصصی برق، کامپیوتر، صنایع، مدیریت و IT

بر متون رشته های مهندسی برق و کامپیوتر و ریاضی و آمار به دلیل رابطه مستقیم با رشته تحصیلی و در رشته های مهندسی صنایع و مدیریت و IT به دلیل مطالعه و ترجمه های بسیار زیاد، تسلط کامل دارم.

32 ترجمه موفق
0 ترجمه ناموفق

نمونه ترجمه های انجام شده

متن اصلی:

This project validates that an end-to-end deep learning architecture could be suitable for some image colorization tasks. In particular, our approach is able to successfully color high-level image components such as the sky, the sea or forests. Nevertheless, the performance in coloring small details is still to be improved. As we only used a reduced subset of ImageNet, only a small portion of the spectrum of possible subjects is represented.

متن ترجمه شده:

این پروژه تایید می کند که ساختار یادگیری عمیق انتها به انتها، می تواند برای برخی کاربردهای رنگی‌سازی تصویر مناسب باشد. به خصوص اینکه، این روش می تواند به خوبی اجزاء سطح بالای تصویر، مانند آسمان، دریا یا جنگل را رنگی کند. با این وجود، بازدهی رنگی کردن جزئیات ریز می‌تواند باز هم بهبود پیدا کند. از آنجا که فقط زیرمجموعه‌ی کوچکی از شبکه‌ی تصاویر به کار رفته است، تنها بخش کوچکی از طیف موضوعات ممکن، نشان داده می شود.

متن اصلی:

In this paper, we proposed a novel solution to automatically generate diverse colorization schemes for a grayscale image while maintaining their reality by exploiting conditional generative adversarial networks which not only solved the sepia-toned problem of other models but also enhanced the colorization diversity. We introduced a novel generator architecture which consists of fully convolutional non-stride structure with multi-layer noise to enhance diversity and multi-layer condition concatenation to maintain reality.

متن ترجمه شده:

در این مقاله، راه حل جدیدی برای تولید خودکار طرح های رنگی سازی مختلف برای تصاویر سطح خاکستری پیشنهاد شده است. این طرح با استفاده از شبکه های رقابتی مولد شرطی واقعیت تصویر را حفظ می کند، که نه تنها مشکل قهوه ای شدن سایر مدلها را حل می کند، بلکه تنوع رنگی سازی را نیز افزایش می دهد. ما یک معماری مولد جدید معرفی کرده ایم که از یک ساختار یک مرحله ای کاملا کانولوشنی با نویز چندلایه ای برای افزایش تنوع و توالی شرطی چندلایه برای حفظ واقعیت تصویر استفاده می کند.

نمونه ترجمه های بیشتر

رضایت کلی کارفرمایان

کاملا راضی 86%
راضی 14%
متوسط 0%
ناراضی 0%

رضایت کلی تیم ارزیابی ترنسیس

کاملا راضی 100%
راضی 0%
متوسط 0%
ناراضی 0%
کیفیت ترجمه
9.4 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
9.5 از 10
امیرحسین زهرایی
1399/11/15
  • تخصصی-مهندسی مکانیک
  • انگلیسی به فارسی
  • خیلی خوب
  • متن
کاملا راضی
کیفیت ترجمه
10 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
10 از 10
امیرحسین زهرایی
1399/11/14
  • تخصصی-مهندسی مکانیک
  • انگلیسی به فارسی
  • خیلی خوب
  • متن
کاملا راضی
کیفیت ترجمه
10 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
10 از 10
امتیازهای بیشتر
کیفیت ترجمه
9 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
10 از 10
سایت ترنسیس
تیم ارزیابی ترنسیس
  • تخصصی-مهندسی کامپیوتر
  • انگلیسی به فارسی
  • خوب
  • متن

موفق باشید

کاملا راضی
کیفیت ترجمه
9 از 10
تحویل به موقع
10 از 10
رعایت اصول نگارشی
10 از 10
با ما گفتگو کنید