Itinerarium Antonini Augusti sive Itinerarium Antonini est index viarum imperii Romani praecipuarum. Verisimiliter hoc itinerarium ineunte saeculo tertio iussu Caracallae factum est. Itinerarium nomina urbium, oppidorum, mansionum, mutationum praebet. Manuscriptum itineris fine saeculi tertii Gaio Aurelio Valerio Diocletiano regnante ortum est. "Itinerarium maritimum" itineribus terrestrialibus subiungitur.
Tabula Peutingeriana talia itinera in formam tabulae geographicae reddit.
Index
1Editiones
2Nexus interni
3Nexus externi
4Bibliographia
Editiones |
G. Parthey, M. Pinder, edd., Itinerarium Antonini Augusti et Hierosolymitanum. Berolini: Nicolaus, 1848 Textus
Cuntz, Otto, ed. Itineraria Romana. Vol. 1: itineraria Antonini Augusti et Burdigalense. Stuttgarti: B. G. Teubner, 1929; anno 1990 reimpressum. ISBN 3-519-04273-8 Paginae selectae Itinera Hispanica
Nexus interni
Iter a Colonia Agrippina Treveros
{{IA}} (formula Vicipaediana pro citationibus Itinerarii)
Itinerarium Burdigalense
Nexus externi |
Bibliographia viarum Romanarum
Textus "itineris Britanniarum" cum commentario
Conspectus itinerum Hispanicorum
Textus itinerum Lusitanorum
Textus itinerum provinciarum Danubianarum
Textus itineris maritimi
Bibliographia |
Antonio Blázquez, "Nuevo estudio sobre el Itinerario de Antonino"
Mauro Calzolari, "Introduzione allo studio della rete stradale dell'Italia romana. L'Itinerarium Antonini" in Memorie, Accademia Nazionale dei Lincei, Classe di Scienze Morali, Storiche e Filologiche. Ser. 9 vol. 7 pars 4 (Romae 1996) pp. 370–520
Tabula multilinguis Rosettana in Museo Britannico ostenditur. Tabula Rosettana, [1] etiam titulo OGIS 90 agnita, est stela decreto de rebus sacris in Aegypto anno 196 a.C.n. lato inscripta. Tabula iuxta Rosettam Aegypti, urbem in delta Nili et ad oram maris Mediterranei iacentem, anno 1799 a milite Francico reperta est. Inventio stelae, linguis duabus scripturisque tribus inscriptae, eruditis Instituti Aegypti statim nuntiata est; ibi enim iussu imperatoris Napoleonis eruditi omnium scientiarum (sub aegide Commissionis Scientiarum et Artium) properaverant cum expeditione Francica. Qua a Britannis mox debellata, tabula Rosettana Londinium missa hodie apud Museum Britannicum iacet. Textus Graecus cito lectus interpretationi textuum Aegyptiorum (in formis hieroglyphica et demotica expressorum) gradatim adiuvit. Denique textum plene interpretatus est Ioannes Franciscus Champollion. Ab opere eruditorum cumulativo coepit hodiernus scripturae hieroglyphicae linguaeque Aegyptiae a...
1
$begingroup$
This is what I mean as document text image: I want to label the texts in image as separate blocks and my model should detect these labels as classes. NOTE: This is how the end result should be like: The labels like Block 1, Block 2, Block 3,.. should be Logo, Title, Date,.. Others, etc. Work done: First approach : I tried to implement this method via Object Detection, it didn't work. It didn't even detect any text. Second approach : Then I tried it using PixelLink. As this model is build for scene text detection, it detected each and every text in the image. But this method can detect multiple lines of text if the threshold values are increased. But I have no idea how do I add labels to the text blocks. PIXEL_CLS_WEIGHT_all_ones = 'PIXEL_CLS_WEIGHT_all_ones' PIXEL_C...
1
$begingroup$
I have this LSTM model model = Sequential() model.add(Masking(mask_value=0, input_shape=(timesteps, features))) model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2, return_sequences=False)) model.add(Dense(features, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) and shapes X_train (21, 11, 5), y_train (21, 5) . Each timestep is represented by 5 features and return_sequences is set to False because I want to predict one 5D array (the next timestep) for each input sequence of 11 timesteps. I get the error ValueError: y_true and y_pred have different number of output (5!=1) If I reshape the data as X_train (21, 11, 5), y_train (21, 1, 5) instead I get the error ValueError: Inva...
