From 5f73a6aba9981ef7317363421ce07a44e1b8a4ae Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Sun, 17 Nov 2019 02:56:53 +0900
Subject: [PATCH 01/13] Update README.md
---
README.md | 90 +++++++++++++++++++++++++++----------------------------
1 file changed, 45 insertions(+), 45 deletions(-)
diff --git a/README.md b/README.md
index 0d9b3cb17..905601714 100644
--- a/README.md
+++ b/README.md
@@ -1,7 +1,7 @@
# imgaug
-This python library helps you with augmenting images for your machine learning projects.
-It converts a set of input images into a new, much larger set of slightly altered images.
+이 파이썬 라이브러리는 기계 학습 프로젝트를 위한 이미지를 보강하는데 도움이 됩니다.
+Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로운 이미지 세트로 변환합니다.
[](https://travis-ci.org/aleju/imgaug)
[](https://codecov.io/gh/aleju/imgaug)
@@ -11,16 +11,16 @@ It converts a set of input images into a new, much larger set of slightly altere
| |
-Image |
+이미지 |
Heatmaps |
-Seg. Maps |
-Keypoints |
-Bounding Boxes,
Polygons |
+분할 Maps |
+주요지점 |
+경계 상자,
다각형 |
-
+
-| Original Input |
+입력값 |
 |
 |
 |
@@ -28,9 +28,9 @@ It converts a set of input images into a new, much larger set of slightly altere
 |
-
+
-Gauss. Noise
+ Contrast
+ Sharpen |
+가우스. 잡음
+ 대조
+ 갈다 |
 |
 |
 |
@@ -38,9 +38,9 @@ It converts a set of input images into a new, much larger set of slightly altere
 |
-
+
-| Affine |
+벡터화 |
 |
 |
 |
@@ -48,9 +48,9 @@ It converts a set of input images into a new, much larger set of slightly altere
 |
-
+
-Crop
+ Pad |
+다듬기
+ 채우기 |
 |
 |
 |
@@ -60,7 +60,7 @@ It converts a set of input images into a new, much larger set of slightly altere
-Fliplr
+ Perspective |
+배열 뒤집기
+ 원근법 |
 |
 |
 |
@@ -71,36 +71,36 @@ It converts a set of input images into a new, much larger set of slightly altere
-**More (strong) example augmentations of one input image:**
+**하나의 입력 이미지의 더 많은 (강력한) 예제 기능 증강:**
## Table of Contents
-1. [Features](#features)
-2. [Installation](#installation)
-3. [Documentation](#documentation)
-4. [Recent Changes](#recent_changes)
-5. [Example Images](#example_images)
-6. [Code Examples](#code_examples)
-7. [List of augmenters](#list_of_augmenters)
-8. [Citation](#citation)
-
-
-
-
-## Features
-
-* Many augmentation techniques
- * E.g. affine transformations, perspective transformations, contrast changes, gaussian noise, dropout of regions, hue/saturation changes, cropping/padding, blurring, ...
- * Optimized for high performance
- * Easy to apply augmentations only to some images
- * Easy to apply augmentations in random order
-* Support for
- * Images (full support for uint8, for other dtypes see [documentation](https://imgaug.readthedocs.io/en/latest/source/dtype_support.html))
- * Heatmaps (float32), Segmentation Maps (int), Masks (bool)
- * May be smaller/larger than their corresponding images. *No* extra lines of code needed for e.g. crop.
+1. [특징](#feature)
+2. [설치](#installation)
+3. [참고자료](#documentation)
+4. [최근 변경사항](#recent_changes)
+5. [예시 이미지](#example_images)
+6. [코드 예제](#code_examples)
+7. [증강 목록](#list_of_augmenters)
+8. [인용](#citation)
+
+
+
+
+## 특징
+
+* 많은 증강 기법
+ * 예.아핀 변환, 원근법 변환, 대조 변화, 가우시안 소음, 지역 중퇴, 색상 / 포화 변화, 자르기 / 패딩, 흐림, ...
+ * 고성능 최적화
+ * 일부 이미지에만 확대를 적용하기 쉽다.
+ * 무작위로 증강을 적용하기 쉽다
+* 다음을 지원합니다.
+ * 이미지 (uint8에 대한 전체 지원, 다른 dtypes에 대한 지원은 [documentation](https://imgaug.readthedocs.io/en/latest/source/dtype_support.html)를 참조하십시오.)
+ * Heatmaps (float32), 분할 Maps (int), Masks (bool)
+ * 해당 이미지보다 작거나 클 수 있습니다. 예.자르기 같은 기능을 위한 추가 코드 라인이 필요 *없습니다*.
* Keypoints/Landmarks (int/float coordinates)
* Bounding Boxes (int/float coordinates)
* Polygons (int/float coordinates) (Beta)
@@ -120,11 +120,11 @@ It converts a set of input images into a new, much larger set of slightly altere
-## Installation
+## 설치
The library supports python 2.7 and 3.4+.
-### Installation: Anaconda
+### 설치: 아나콘다
To install the library in anaconda, perform the following commands:
```bash
@@ -134,7 +134,7 @@ conda install imgaug
You can deinstall the library again via `conda remove imgaug`.
-### Installation: pip
+### 설치: pip
To install the library via pip, first install all requirements:
```bash
@@ -157,7 +157,7 @@ line string augmentation will crash without it.
To deinstall the library, just execute `pip uninstall imgaug`.
-### Installation: From Source
+### 설치: From Source
Alternatively, you can download the repository via
`git clone https://github.com/aleju/imgaug` and install manually via
@@ -166,7 +166,7 @@ Alternatively, you can download the repository via
-## Documentation
+## 참고자료
Example jupyter notebooks:
* [Load and Augment an Image](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A01%20-%20Load%20and%20Augment%20an%20Image.ipynb)
@@ -193,7 +193,7 @@ repository [imgaug-doc](https://github.com/aleju/imgaug-doc).
-## Recent Changes
+## 최근 변경사항
* **0.3.0**: Reworked segmentation map augmentation, adapted to numpy 1.17+
random number sampling API, several new augmenters.
From 393fac6d22d0cab0a47b253c6d6918fdd01a1dbd Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Sun, 17 Nov 2019 03:00:13 +0900
Subject: [PATCH 02/13] Update README.md
---
README.md | 6 +++---
1 file changed, 3 insertions(+), 3 deletions(-)
diff --git a/README.md b/README.md
index 905601714..034f5542f 100644
--- a/README.md
+++ b/README.md
@@ -71,7 +71,7 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
-**하나의 입력 이미지의 더 많은 (강력한) 예제 기능 증강:**
+**하나의 입력 이미지의 더 많은 (강력한) 예제 기능:**
@@ -94,8 +94,8 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
* 많은 증강 기법
* 예.아핀 변환, 원근법 변환, 대조 변화, 가우시안 소음, 지역 중퇴, 색상 / 포화 변화, 자르기 / 패딩, 흐림, ...
- * 고성능 최적화
- * 일부 이미지에만 확대를 적용하기 쉽다.
+* 고성능 최적화
+ * 일부 이미지에만 확대를 적용하기 쉽습니다.
* 무작위로 증강을 적용하기 쉽다
* 다음을 지원합니다.
* 이미지 (uint8에 대한 전체 지원, 다른 dtypes에 대한 지원은 [documentation](https://imgaug.readthedocs.io/en/latest/source/dtype_support.html)를 참조하십시오.)
From a74a36938d58beaaa38217f7a5760c86cee8ef2b Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Sun, 17 Nov 2019 03:00:33 +0900
Subject: [PATCH 03/13] Update README.md
---
README.md | 1 +
1 file changed, 1 insertion(+)
diff --git a/README.md b/README.md
index 034f5542f..ddcdec6f7 100644
--- a/README.md
+++ b/README.md
@@ -1,6 +1,7 @@
# imgaug
이 파이썬 라이브러리는 기계 학습 프로젝트를 위한 이미지를 보강하는데 도움이 됩니다.
+
Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로운 이미지 세트로 변환합니다.
[](https://travis-ci.org/aleju/imgaug)
From 79138789272f36c028a34678e4a26bba92468ff1 Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Mon, 18 Nov 2019 00:05:10 +0900
Subject: [PATCH 04/13] Update README.md
---
README.md | 99 ++++++++++++++++++++++++++++---------------------------
1 file changed, 50 insertions(+), 49 deletions(-)
diff --git a/README.md b/README.md
index ddcdec6f7..1752d93b1 100644
--- a/README.md
+++ b/README.md
@@ -1,8 +1,8 @@
# imgaug
-이 파이썬 라이브러리는 기계 학습 프로젝트를 위한 이미지를 보강하는데 도움이 됩니다.
+이 파이썬 라이브러리는 기계 학습 프로젝트를 위한 이미지를 보강하는데 도움이 된다.
-Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로운 이미지 세트로 변환합니다.
+Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로운 이미지 세트로 변환한다.
[](https://travis-ci.org/aleju/imgaug)
[](https://codecov.io/gh/aleju/imgaug)
@@ -13,8 +13,8 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
| |
이미지 |
-Heatmaps |
-분할 Maps |
+적외선 열지도(Heatmaps) |
+분할 지도 |
주요지점 |
경계 상자,
다각형 |
@@ -96,72 +96,71 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
* 많은 증강 기법
* 예.아핀 변환, 원근법 변환, 대조 변화, 가우시안 소음, 지역 중퇴, 색상 / 포화 변화, 자르기 / 패딩, 흐림, ...
* 고성능 최적화
- * 일부 이미지에만 확대를 적용하기 쉽습니다.
+ * 일부 이미지에만 확대를 적용하기 쉽다.
* 무작위로 증강을 적용하기 쉽다
-* 다음을 지원합니다.
+* 다음을 지원한다.
* 이미지 (uint8에 대한 전체 지원, 다른 dtypes에 대한 지원은 [documentation](https://imgaug.readthedocs.io/en/latest/source/dtype_support.html)를 참조하십시오.)
* Heatmaps (float32), 분할 Maps (int), Masks (bool)
- * 해당 이미지보다 작거나 클 수 있습니다. 예.자르기 같은 기능을 위한 추가 코드 라인이 필요 *없습니다*.
- * Keypoints/Landmarks (int/float coordinates)
- * Bounding Boxes (int/float coordinates)
- * Polygons (int/float coordinates) (Beta)
- * Line Strings (int/float coordinates) (Beta)
-* Automatic alignment of sampled random values
- * Example: Rotate image and segmentation map on it by the same value sampled from `uniform(-10°, 45°)`. (0 extra lines of code.)
-* Probability distributions as parameters
- * Example: Rotate images by values sampled from `uniform(-10°, 45°)`.
- * Example: Rotate images by values sampled from `ABS(N(0, 20.0))*(1+B(1.0, 1.0))`", where `ABS(.)` is the absolute function, `N(.)` the gaussian distribution and `B(.)` the beta distribution.
-* Many helper functions
- * Example: Draw heatmaps, segmentation maps, keypoints, bounding boxes, ...
- * Example: Scale segmentation maps, average/max pool of images/maps, pad images to aspect
- ratios (e.g. to square them)
- * Example: Convert keypoints to distance maps, extract pixels within bounding boxes from images, clip polygon to the image plane, ...
-* Support for augmentation on multiple CPU cores
+ * 해당 이미지보다 작거나 클 수 있다. 예.자르기 같은 기능을 위한 추가 코드 라인이 필요 *없다*.
+ * 키포인트/랜드마크 (int/float coordinates)
+ * 경계상자 (int/float coordinates)
+ * 다각형 (int/float coordinates) (Beta)
+ * 선 문자열 (int/float coordinates) (Beta)
+* 샘플링된 랜덤 값의 자동 정렬
+ * 예: 이미지와 분할 맵을 균일한 값(-10°, 45°)으로 샘플링하여 동일 값으로 회전시킨다. (0개의 추가 코드 라인)
+* 확률 분포를 매개변수로 사용
+ * 예: 이미지들을 균일(-10°, 45°)에서 샘플링한 값들로 회전시킨다.
+ * 예: `ABS(.)`는 절대함수, `N(.)`는 가우시안 분포, 그리고 `B(.)`는 베타 분포일때, `ABS(N(0, 20.0))*(1+B(1.0, 1.0))`에서 샘플링된 값으로 이미지들을 회전시킨다.
+* 많은 도우미 기능
+ * 예 : 열 지도, 분할 지도, 키포인트, 경계 상자등 그리기, ...
+ * 예 : 축척 분할 맵, 이미지 / 맵의 평균 / 최대 풀, 패드 이미지 대 종횡비 (예. 제곱)
+ * 예 : 키포인트를 거리 맵으로 변환하고, 바운딩 상자 내의 픽셀을 이미지에서 추출하고, 폴리곤을 이미지 평면으로 클립하고, ...
+* 다수의 CPU 코어에서 증강 지원
## 설치
-The library supports python 2.7 and 3.4+.
+이 라이브러리는 python 2.7과 3.4+를 지원함니다.
### 설치: 아나콘다
-To install the library in anaconda, perform the following commands:
+아나콘다에 라이브러리를 설치하려면 다음 명령을 수행하십시오:
```bash
conda config --add channels conda-forge
conda install imgaug
```
-You can deinstall the library again via `conda remove imgaug`.
+`conda remove imgaug`를 통해 라이브러리를 삭제할 수 있다..
### 설치: pip
-To install the library via pip, first install all requirements:
+pip을 통해 라이브러리를 설치하려면 먼저 모든 요구 사항을 설치하십시오:
```bash
pip install six numpy scipy Pillow matplotlib scikit-image opencv-python imageio Shapely
```
-Then install imgaug either via pypi (can lag behind the github version):
+그런 다음, pypi를 통해 imgaug를 설치하십시오(github 버전에 따라 지연될 수 있다.):
```bash
pip install imgaug
```
-or install the latest version directly from github:
+또는 github에서 최신 버전을 직접 설치하십시오:
```bash
pip install git+https://github.com/aleju/imgaug.git
```
-In rare cases, `Shapely` can cause issues to install.
-You can skip the package in these cases -- but note that at least polygon and
-line string augmentation will crash without it.
+드물게, `Shapely` 설치 문제를 일으킬 수 있다.
+이 경우 패키지를 건너뛸 수 있다 -- 하지만 폴리곤과 선 문자열 증강은
+`Shapely`없이는 충돌할 수 있다.
-To deinstall the library, just execute `pip uninstall imgaug`.
+라이브러리를 삭제하기 위해서는, `pip uninstall imgaug`를 실행하면 된다.
### 설치: From Source
-Alternatively, you can download the repository via
-`git clone https://github.com/aleju/imgaug` and install manually via
+또는, 저장소를 통해 다운로드할 수 있다.
+`git clone https://github.com/aleju/imgaug` 그리고 다음 명령어를 통해 수동으로 설치할 수 있다.
`cd imgaug && python setup.py install`.
@@ -169,7 +168,7 @@ Alternatively, you can download the repository via
## 참고자료
-Example jupyter notebooks:
+jupyter notebooks 예시:
* [Load and Augment an Image](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A01%20-%20Load%20and%20Augment%20an%20Image.ipynb)
* [Multicore Augmentation](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A03%20-%20Multicore%20Augmentation.ipynb)
* Augment and work with: [Keypoints/Landmarks](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B01%20-%20Augment%20Keypoints.ipynb),
@@ -179,42 +178,44 @@ Example jupyter notebooks:
[Heatmaps](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B04%20-%20Augment%20Heatmaps.ipynb),
[Segmentation Maps](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B05%20-%20Augment%20Segmentation%20Maps.ipynb)
-More notebooks: [imgaug-doc/notebooks](https://github.com/aleju/imgaug-doc/tree/master/notebooks).
+더 많은 자료: [imgaug-doc/notebooks](https://github.com/aleju/imgaug-doc/tree/master/notebooks).
-Example ReadTheDocs pages (usually less up to date than the notebooks):
+ReadTheDocs 페이지 예제 (보통 notebooks보다 최신 버전이 적다):
* [Quick example code on how to use the library](http://imgaug.readthedocs.io/en/latest/source/examples_basics.html)
* [Examples for some of the supported augmentation techniques](http://imgaug.readthedocs.io/en/latest/source/augmenters.html)
* [API](http://imgaug.readthedocs.io/en/latest/source/api.html)
-More RTD documentation: [imgaug.readthedocs.io](http://imgaug.readthedocs.io/en/latest/source/examples_basics.html).
+더 많은 RTD 자료: [imgaug.readthedocs.io](http://imgaug.readthedocs.io/en/latest/source/examples_basics.html).
-All documentation related files of this project are hosted in the
-repository [imgaug-doc](https://github.com/aleju/imgaug-doc).
+이 프로젝트의 모든 문서 관련 파일은 다음 저장소에 호스팅되어 있다. [imgaug-doc](https://github.com/aleju/imgaug-doc).
## 최근 변경사항
-* **0.3.0**: Reworked segmentation map augmentation, adapted to numpy 1.17+
- random number sampling API, several new augmenters.
-* **0.2.9**: Added polygon augmentation, added line string augmentation,
- simplified augmentation interface.
-* **0.2.8**: Improved performance, dtype support and multicore augmentation.
+* **0.3.0**: 재 작업된 분할 맵 증강이 numpy 1.17+에 적용되었다.
+ 난수 샘플링 API, 몇 개의 새로운 증강기.
+* **0.2.9**: 추가된 폴리곤 증강, 추가된 선 문자열 증강,
+단순화된 증강 인터페이스.
+* **0.2.8**: 향상된 성능, dtype 지원 및 멀티 코어 증강.
-See [changelogs/](changelogs/) for more details.
+자세한 내용은 [changelogs/](changelogs/)를 참조하십시오.
-## Example Images
+## 예시 이미지
-The images below show examples for most augmentation techniques.
+아래 이미지는 대부분의 증강 기법에 대한 예제를 보여준다.
Values written in the form `(a, b)` denote a uniform distribution,
-i.e. the value is randomly picked from the interval `[a, b]`.
+i.e. the value is randomly picked from the interval .
Line strings are supported by all augmenters, but are not explicitly visualized
here.
+(a, b) 형태로 쓰여진 값은 균일한 분포를 나타내며,
+즉, 값은 간격 `[a, b]`에서 랜덤하게 선택된다.
+선 문자열은 모든 증강자에서 지원되지만 여기서 명시적으로 시각화되지는 않는다.
From 6526fe8ad37656c16d2f44f6a6f7809125bd30d9 Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Mon, 18 Nov 2019 00:07:00 +0900
Subject: [PATCH 05/13] Update README.md
---
README.md | 8 ++++----
1 file changed, 4 insertions(+), 4 deletions(-)
diff --git a/README.md b/README.md
index 1752d93b1..a29935fd3 100644
--- a/README.md
+++ b/README.md
@@ -114,7 +114,7 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
* 많은 도우미 기능
* 예 : 열 지도, 분할 지도, 키포인트, 경계 상자등 그리기, ...
* 예 : 축척 분할 맵, 이미지 / 맵의 평균 / 최대 풀, 패드 이미지 대 종횡비 (예. 제곱)
- * 예 : 키포인트를 거리 맵으로 변환하고, 바운딩 상자 내의 픽셀을 이미지에서 추출하고, 폴리곤을 이미지 평면으로 클립하고, ...
+ * 예 : 키포인트를 거리 맵으로 변환, 바운딩 상자 내의 픽셀을 이미지에서 추출, 폴리곤을 이미지 평면으로 클립, ...
* 다수의 CPU 코어에서 증강 지원
@@ -122,7 +122,7 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
## 설치
-이 라이브러리는 python 2.7과 3.4+를 지원함니다.
+이 라이브러리는 python 2.7과 3.4+를 지원한다.
### 설치: 아나콘다
@@ -132,7 +132,7 @@ conda config --add channels conda-forge
conda install imgaug
```
-`conda remove imgaug`를 통해 라이브러리를 삭제할 수 있다..
+`conda remove imgaug`를 통해 라이브러리를 삭제할 수 있다.
### 설치: pip
@@ -141,7 +141,7 @@ pip을 통해 라이브러리를 설치하려면 먼저 모든 요구 사항을
pip install six numpy scipy Pillow matplotlib scikit-image opencv-python imageio Shapely
```
-그런 다음, pypi를 통해 imgaug를 설치하십시오(github 버전에 따라 지연될 수 있다.):
+그런 다음, pypi를 통해 imgaug를 설치하십시오 (github 버전에 따라 지연될 수 있다):
```bash
pip install imgaug
```
From 4973d7a9ebb1ce9c76c548dc6d60e3a5e27f88ba Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Mon, 18 Nov 2019 00:10:37 +0900
Subject: [PATCH 06/13] Update README.md
---
README.md | 6 +-----
1 file changed, 1 insertion(+), 5 deletions(-)
diff --git a/README.md b/README.md
index a29935fd3..eb56e663d 100644
--- a/README.md
+++ b/README.md
@@ -100,7 +100,7 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
* 무작위로 증강을 적용하기 쉽다
* 다음을 지원한다.
* 이미지 (uint8에 대한 전체 지원, 다른 dtypes에 대한 지원은 [documentation](https://imgaug.readthedocs.io/en/latest/source/dtype_support.html)를 참조하십시오.)
- * Heatmaps (float32), 분할 Maps (int), Masks (bool)
+ * Heatmaps (float32), 분할 맵 (int), Masks (bool)
* 해당 이미지보다 작거나 클 수 있다. 예.자르기 같은 기능을 위한 추가 코드 라인이 필요 *없다*.
* 키포인트/랜드마크 (int/float coordinates)
* 경계상자 (int/float coordinates)
@@ -209,10 +209,6 @@ ReadTheDocs 페이지 예제 (보통 notebooks보다 최신 버전이 적다):
아래 이미지는 대부분의 증강 기법에 대한 예제를 보여준다.
-Values written in the form `(a, b)` denote a uniform distribution,
-i.e. the value is randomly picked from the interval .
-Line strings are supported by all augmenters, but are not explicitly visualized
-here.
(a, b) 형태로 쓰여진 값은 균일한 분포를 나타내며,
즉, 값은 간격 `[a, b]`에서 랜덤하게 선택된다.
선 문자열은 모든 증강자에서 지원되지만 여기서 명시적으로 시각화되지는 않는다.
From ee7871d923a4261ae2e39f42f5f7121c6c56b4a6 Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Mon, 18 Nov 2019 00:19:09 +0900
Subject: [PATCH 07/13] Update README.md
---
README.md | 50 ++++++++++++++++++++++----------------------------
1 file changed, 22 insertions(+), 28 deletions(-)
diff --git a/README.md b/README.md
index eb56e663d..e146a37dc 100644
--- a/README.md
+++ b/README.md
@@ -603,9 +603,8 @@ ReadTheDocs 페이지 예제 (보통 notebooks보다 최신 버전이 적다):
### Example: Simple Training Setting
-A standard machine learning situation.
-Train on batches of images and augment each batch via crop, horizontal
-flip ("Fliplr") and gaussian blur:
+표준 기계 학습 상황.
+이미지 배치 교육 및 크롭, 수평 플립("Fliplr") 및 gaussian blur를 통해 각 배치 확대:
```python
import numpy as np
import imgaug.augmenters as iaa
@@ -642,10 +641,9 @@ for batch_idx in range(100):
```
-### Example: Very Complex Augmentation Pipeline
+### Example: 매우 복잡한 확장 PipeLine
-Apply a very heavy augmentation pipeline to images (used to create the image
-at the very top of this readme):
+이미지에 매우 무거운 증강 pipeline 적용(이 판독값 맨 위에 이미지를 생성하는 데 사용):
```python
import numpy as np
import imgaug as ia
@@ -734,9 +732,9 @@ images_aug = seq(images=images)
```
-### Example: Augment Images and Keypoints
+### Example: 확장 이미지와 Keypoints
-Augment images and keypoints/landmarks on the same images:
+동일한 영상의 영상 및 keypoints/landmarks 확대:
```python
import numpy as np
import imgaug.augmenters as iaa
@@ -761,11 +759,9 @@ print("Image 2 center", np.argmax(images_aug[1, 64, 64:64+6, 0]))
print("Points 1", points_aug[0])
print("Points 2", points_aug[1])
```
-Note that all coordinates in `imgaug` are subpixel-accurate, which is
-why `x=0.5, y=0.5` denotes the center of the pixel of the top left pixel.
+`imgaug`의 모든 좌표는 서브픽셀 정확도로 `x=0.5, y=0.5`는 왼쪽 상단 픽셀의 픽셀 중심을 나타낸다.
-
-### Example: Augment Images and Bounding Boxes
+### Example: 확장 이미지 및 Bounding Boxes
```python
import numpy as np
@@ -789,7 +785,7 @@ images_aug, bbs_aug = seq(images=images, bounding_boxes=bbs)
```
-### Example: Augment Images and Polygons
+### Example: 증강 이미지 및 폴리곤
```python
import numpy as np
@@ -812,10 +808,9 @@ images_aug, polygons_aug = seq(images=images, polygons=polygons)
```
-### Example: Augment Images and LineStrings
+### Example: 확장 이미지 및 LineStrings
-LineStrings are similar to polygons, but are not closed, may intersect with
-themselves and don't have an inner area.
+LineStrings는 폴리곤과 유사하지만 닫히지 않으며, 자신과 교차하며 내부 영역이 없을 수 있다.
```python
import numpy as np
import imgaug as ia
@@ -838,13 +833,13 @@ images_aug, ls_aug = seq(images=images, line_strings=ls)
```
-### Example: Augment Images and Heatmaps
+### Example: 확장 이미지 및 히트맵
-Heatmaps are dense float arrays with values between `0.0` and `1.0`.
-They can be used e.g. when training models to predict facial landmark
-locations. Note that the heatmaps here have lower height and width than the
-images. `imgaug` handles that case automatically. The crop pixel amounts will
-be halved for the heatmaps.
+히트맵은 `0.0`~`1.0`의 값을 갖는 고밀도 플로트 배열이다.
+예를 들어 얼굴 특징 위치를 예측하기 위해 모델을 훈련할 때 사용할 수 있다.
+히트맵은 이미지보다 낮은 높이와 폭을 가지고 있다는 점에 유의해야한다.
+`imgaug`는 그 일을 자동으로 처리한다.
+크롭 픽셀 양은 히트맵의 경우 반으로 줄어들 것이다.
```python
import numpy as np
@@ -865,11 +860,10 @@ images_aug, heatmaps_aug = seq(images=images, heatmaps=heatmaps)
```
-### Example: Augment Images and Segmentation Maps
+### Example: 확장 이미지 및 세그먼트 맵
-This is similar to heatmaps, but the dense arrays have dtype `int32`.
-Operations such as resizing will automatically use nearest neighbour
-interpolation.
+이는 히트맵과 비슷하지만 촘촘한 배열은 dtype `int32`을 가지고 있다.
+크기 조정과 같은 작업은 자동으로 가장 가까운 인접 보조를 사용한다.
```python
import numpy as np
@@ -890,9 +884,9 @@ images_aug, segmaps_aug = seq(images=images, segmentation_maps=segmaps)
```
-### Example: Visualize Augmented Images
+### Example: 증강된 이미지 시각화
-Quickly show example results of your augmentation sequence:
+확대된 시퀀스의 예제 결과를 표시:
```python
import numpy as np
import imgaug.augmenters as iaa
From f1f2bad39c2cbf9805b36c2a08b459b2bba20f7d Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Mon, 18 Nov 2019 00:32:03 +0900
Subject: [PATCH 08/13] Update README.md
---
README.md | 22 +++++++++++-----------
1 file changed, 11 insertions(+), 11 deletions(-)
diff --git a/README.md b/README.md
index e146a37dc..77dd3c303 100644
--- a/README.md
+++ b/README.md
@@ -13,7 +13,7 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
| |
이미지 |
-적외선 열지도(Heatmaps) |
+ |
분할 지도 |
주요지점 |
경계 상자,
다각형 |
@@ -169,20 +169,20 @@ pip install git+https://github.com/aleju/imgaug.git
## 참고자료
jupyter notebooks 예시:
- * [Load and Augment an Image](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A01%20-%20Load%20and%20Augment%20an%20Image.ipynb)
- * [Multicore Augmentation](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A03%20-%20Multicore%20Augmentation.ipynb)
- * Augment and work with: [Keypoints/Landmarks](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B01%20-%20Augment%20Keypoints.ipynb),
- [Bounding Boxes](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B02%20-%20Augment%20Bounding%20Boxes.ipynb),
- [Polygons](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B03%20-%20Augment%20Polygons.ipynb),
- [Line Strings](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B06%20-%20Augment%20Line%20Strings.ipynb),
- [Heatmaps](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B04%20-%20Augment%20Heatmaps.ipynb),
- [Segmentation Maps](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B05%20-%20Augment%20Segmentation%20Maps.ipynb)
+ * [이미지를 로드하고 증강한다](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A01%20-%20Load%20and%20Augment%20an%20Image.ipynb)
+ * [다중 증강](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A03%20-%20Multicore%20Augmentation.ipynb)
+ * 증강 및 작업 : [키포인트/랜드마크](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B01%20-%20Augment%20Keypoints.ipynb),
+ [경계 상자](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B02%20-%20Augment%20Bounding%20Boxes.ipynb),
+ [다각형](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B03%20-%20Augment%20Polygons.ipynb),
+ [선 문자열](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B06%20-%20Augment%20Line%20Strings.ipynb),
+ [히트맵](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B04%20-%20Augment%20Heatmaps.ipynb),
+ [분할맵](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/B05%20-%20Augment%20Segmentation%20Maps.ipynb)
더 많은 자료: [imgaug-doc/notebooks](https://github.com/aleju/imgaug-doc/tree/master/notebooks).
ReadTheDocs 페이지 예제 (보통 notebooks보다 최신 버전이 적다):
-* [Quick example code on how to use the library](http://imgaug.readthedocs.io/en/latest/source/examples_basics.html)
-* [Examples for some of the supported augmentation techniques](http://imgaug.readthedocs.io/en/latest/source/augmenters.html)
+* [라이브러리 사용 방법에 대한 간단한 예제 코드](http://imgaug.readthedocs.io/en/latest/source/examples_basics.html)
+* [지원되는 증강 기술 예제](http://imgaug.readthedocs.io/en/latest/source/augmenters.html)
* [API](http://imgaug.readthedocs.io/en/latest/source/api.html)
더 많은 RTD 자료: [imgaug.readthedocs.io](http://imgaug.readthedocs.io/en/latest/source/examples_basics.html).
From c89ec3be817c015cdb26b3e9eefc4b81f83f7e13 Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Mon, 18 Nov 2019 00:33:21 +0900
Subject: [PATCH 09/13] Update README.md
---
README.md | 2 +-
1 file changed, 1 insertion(+), 1 deletion(-)
diff --git a/README.md b/README.md
index 77dd3c303..d3952de7d 100644
--- a/README.md
+++ b/README.md
@@ -13,7 +13,7 @@ Imgaug는 입력된 이미지 세트를 훨씬 더 큰 약간 변경된 새로
| |
이미지 |
- |
+히트맵 |
분할 지도 |
주요지점 |
경계 상자,
다각형 |
From b10beee216efc08da419f787681c796177addb4e Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Mon, 18 Nov 2019 03:07:31 +0900
Subject: [PATCH 10/13] Update README.md
---
README.md | 307 ++++++++++++++++++++++++++----------------------------
1 file changed, 147 insertions(+), 160 deletions(-)
diff --git a/README.md b/README.md
index d3952de7d..5cdb4e05b 100644
--- a/README.md
+++ b/README.md
@@ -785,7 +785,7 @@ images_aug, bbs_aug = seq(images=images, bounding_boxes=bbs)
```
-### Example: 증강 이미지 및 폴리곤
+### Example: 증강 이미지 및
```python
import numpy as np
@@ -901,10 +901,9 @@ seq.show_grid([images[0], images[1]], cols=8, rows=8)
```
-### Example: Visualize Augmented Non-Image Data
+### Example: 증강된 이미지가 아닌 데이터 시각화하기
-`imgaug` contains many helper function, among these functions to quickly
-visualize augmented non-image results, such as bounding boxes or heatmaps.
+imgaug에는 바운딩 박스나 히트맵과 같은 이미지가 아닌 결과를 빠르게 시각화 할수 있는 많은 기능이 포함되어 있다.
```python
import numpy as np
@@ -943,14 +942,12 @@ image_with_hms = hms.draw_on_image(image)
ia.imshow(image_with_hms)
```
-LineStrings and segmentation maps support similar methods as shown above.
+LineStrings 과 segmentation maps 도 위와 같은 방법을 지원한다.
-### Example: Using Augmenters Only Once
+### Example: 증강 한 번만 사용하기
-While the interface is adapted towards re-using instances of augmenters
-many times, you are also free to use them only once. The overhead to
-instantiate the augmenters each time is usually negligible.
+인터페이스는 기능 보강 인스턴스를 여러 번 재사용하도록 조정되어 있지만 한 번만 자유롭게 사용할 수도 있다. augmenter를 매번 인스턴스화하는 오버 헤드는 대개 무시할 만하다.
```python
from imgaug import augmenters as iaa
@@ -969,15 +966,14 @@ images_aug = iaa.Sometimes(0.5, iaa.GaussianBlur(3.0))(images=images)
```
-### Example: Multicore Augmentation
+### Example: 멀티코어 증강
-Images can be augmented in **background processes** using the
-method `augment_batches(batches, background=True)`, where `batches` is
-a list/generator of
+이미지는 `augment_batches(batches, background=True)`방식을 이용하여 백그라운드 프로세스에서 보강될 수 있다. `batches`는
[imgaug.augmentables.batches.UnnormalizedBatch](https://imgaug.readthedocs.io/en/latest/_modules/imgaug/augmentables/batches.html#UnnormalizedBatch)
or
[imgaug.augmentables.batches.Batch](https://imgaug.readthedocs.io/en/latest/source/api_augmentables_batches.html#imgaug.augmentables.batches.Batch).
-The following example augments a list of image batches in the background:
+의 목록/생성기이다.
+아래의 예는 백그라운드에서 이미지 batch를 보강한다.
```python
import skimage.data
import imgaug as ia
@@ -1010,23 +1006,18 @@ for images_aug in augseq.augment_batches(batches, background=True):
ia.imshow(ia.draw_grid(images_aug.images_aug, cols=8))
```
-If you need more control over the background augmentation, e.g. to set
-seeds, control the number of used CPU cores or constraint the memory usage,
-see the corresponding
+백그라운드 augmentation에 더 많은 통제가 필요하다면, (예: 시드 설정, 사용 된 CPU 코어 수 제어 또는 메모리 사용량 제한)
+그에 해당하는
[multicore augmentation notebook](https://nbviewer.jupyter.org/github/aleju/imgaug-doc/blob/master/notebooks/A03%20-%20Multicore%20Augmentation.ipynb)
-or the API about
+이나
[Augmenter.pool()](https://imgaug.readthedocs.io/en/latest/source/api_augmenters_meta.html#imgaug.augmenters.meta.Augmenter.pool)
-and
+과
[imgaug.multicore.Pool](https://imgaug.readthedocs.io/en/latest/source/api_multicore.html#imgaug.multicore.Pool).
+에 대한 API 를 참조하시오.
+### Example: 매개변수로서의 확률 분포
-### Example: Probability Distributions as Parameters
-
-Most augmenters support using tuples `(a, b)` as a shortcut to denote
-`uniform(a, b)` or lists `[a, b, c]` to denote a set of allowed values from
-which one will be picked randomly. If you require more complex probability
-distributions (e.g. gaussians, truncated gaussians or poisson distributions)
-you can use stochastic parameters from `imgaug.parameters`:
+대부분의 augmenter는 튜플 `(a, b)`을 `uniform(a, b)`을 나타내는 바로 가기로 사용하거나 목록 `[a, b, c]`를 사용하여 하나를 임의로 선택할 수있는 허용 된 값 세트를 나타낸다. 더 복잡한 확률 분포 (예 : 가우시안, 잘린 가우시안 또는 포아송 분포)가 필요한 경우 `imgaug.parameters`에서 확률 매개 변수를 사용할 수 있다.
```python
import numpy as np
@@ -1048,13 +1039,12 @@ blurer = iaa.GaussianBlur(iap.Clip(iap.Normal(1.0, 0.1), 0.1, 3.0))
images_aug = blurer(images=images)
```
-There are many more probability distributions in the library, e.g. truncated
-gaussian distribution, poisson distribution or beta distribution.
+라이브러리에는 더 많은 확률 분포가 있다. (예 : 절단 된 가우시안 분포, 포아송 분포 또는 베타 분포.)
### Example: WithChannels
-Apply an augmenter only to specific image channels:
+특정 이미지 채널에만 증강을 적용:
```python
import numpy as np
import imgaug.augmenters as iaa
@@ -1075,9 +1065,7 @@ images_aug = aug(images=images)
### Example: Hooks
-You can **dynamically deactivate augmenters** in an already defined sequence.
-We show this here by running a second array (`heatmaps`) through the pipeline,
-but only apply a subset of augmenters to that input.
+미리 정해진 순서에 따라 증강을 자유롭게 비활성화 할 수 있다. 여기서는 파이프 라인을 통해 두 번째 배열(`heatmaps`)을 실행하여, 해당 입력에 증강의 subset만 적용한다.
```python
import numpy as np
import imgaug as ia
@@ -1123,189 +1111,187 @@ heatmaps_aug = seq_det(images=heatmaps, hooks=hooks_heatmaps)
-## List of Augmenters
+## 증강 목록
-The following is a list of available augmenters.
-Note that most of the below mentioned variables can be set to ranges, e.g. `A=(0.0, 1.0)` to sample a random value between 0 and 1.0 per image,
-or `A=[0.0, 0.5, 1.0]` to sample randomly either `0.0` or `0.5` or `1.0` per image.
+다음은 사용 가능한 증강의 목록이다. 아래에 언급 된 대부분의 변수는 범위로 설정할 수 있다. (예 : 이미지 당 0과 1.0 사이의 임의의 값을 샘플링하려면 `A=(0.0, 1.0)`, 이미지 당 `0.0`이나 `0.5` 또는 `1.0`을 임의로 샘플링하려면 `A=[0.0, 0.5, 1.0]`.
-**arithmetic**
+**산수**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Add(V, PCH) | Adds value `V` to each image. If `PCH` is true, then the sampled values may be different per channel. |
-| AddElementwise(V, PCH) | Adds value `V` to each pixel. If `PCH` is true, then the sampled values may be different per channel (and pixel). |
-| AdditiveGaussianNoise(L, S, PCH) | Adds white/gaussian noise pixelwise to an image. The noise comes from the normal distribution `N(L,S)`. If `PCH` is true, then the sampled values may be different per channel (and pixel). |
-| AdditiveLaplaceNoise(L, S, PCH) | Adds noise sampled from a laplace distribution following `Laplace(L, S)` to images. If `PCH` is true, then the sampled values may be different per channel (and pixel). |
-| AdditivePoissonNoise(L, PCH) | Adds noise sampled from a poisson distribution with `L` being the `lambda` exponent. If `PCH` is true, then the sampled values may be different per channel (and pixel). |
-| Multiply(V, PCH) | Multiplies each image by value `V`, leading to darker/brighter images. If `PCH` is true, then the sampled values may be different per channel. |
-| MultiplyElementwise(V, PCH) | Multiplies each pixel by value `V`, leading to darker/brighter pixels. If `PCH` is true, then the sampled values may be different per channel (and pixel). |
-| Dropout(P, PCH) | Sets pixels to zero with probability `P`. If `PCH` is true, then channels may be treated differently, otherwise whole pixels are set to zero. |
-| CoarseDropout(P, SPX, SPC, PCH) | Like `Dropout`, but samples the locations of pixels that are to be set to zero from a coarser/smaller image, which has pixel size `SPX` or relative size `SPC`. I.e. if `SPC` has a small value, the coarse map is small, resulting in large rectangles being dropped. |
-| ReplaceElementwise(M, R, PCH) | Replaces pixels in an image by replacements `R`. Replaces the pixels identified by mask `M`. `M` can be a probability, e.g. `0.05` to replace 5% of all pixels. If `PCH` is true, then the mask will be sampled per image, pixel *and additionally channel*. |
-| ImpulseNoise(P) | Replaces `P` percent of all pixels with impulse noise, i.e. very light/dark RGB colors. This is an alias for `SaltAndPepper(P, PCH=True)`. |
-| SaltAndPepper(P, PCH) | Replaces `P` percent of all pixels with very white or black colors. If `PCH` is true, then different pixels will be replaced per channel. |
-| CoarseSaltAndPepper(P, SPX, SPC, PCH) | Similar to `CoarseDropout`, but instead of setting regions to zero, they are replaced by very white or black colors. If `PCH` is true, then the coarse replacement masks are sampled once per image and channel. |
-| Salt(P, PCH) | Similar to `SaltAndPepper`, but only replaces with very white colors, i.e. no black colors. |
-| CoarseSalt(P, SPX, SPC, PCH) | Similar to `CoarseSaltAndPepper`, but only replaces with very white colors, i.e. no black colors. |
-| Pepper(P, PCH) | Similar to `SaltAndPepper`, but only replaces with very black colors, i.e. no white colors. |
-| CoarsePepper(P, SPX, SPC, PCH) | Similar to `CoarseSaltAndPepper`, but only replaces with very black colors, i.e. no white colors. |
-| Invert(P, PCH) | Inverts with probability `P` all pixels in an image, i.e. sets them to (1-pixel_value). If `PCH` is true, each channel is treated individually (leading to only some channels being inverted). |
-| ContrastNormalization(S, PCH) | Changes the contrast in images, by moving pixel values away or closer to 128. The direction and strength is defined by `S`. If `PCH` is set to true, the process happens channel-wise with possibly different `S`. |
-| JpegCompression(C) | Applies JPEG compression of strength `C` (value range: 0 to 100) to an image. Higher values of `C` lead to more visual artifacts. |
-
-
-**blend**
-
-| Augmenter | Description |
+| Add(V, PCH) | `V`값을 각 이미지에 추가한다. `PCH`가 참이라면, 샘플 값이 채널마다 달라진다. |
+| AddElementwise(V, PCH) | `V`값을 각 픽셀 단위에 추가한다. `PCH`가 참이라면, 샘플 값이 채널마다 달라진다. (픽셀 마다) |
+| AdditiveGaussianNoise(L, S, PCH) | 픽셀단위의 화이트 노이즈와 가우시안 노이즈를 이미지에 첨가한다. 노이즈는 정규 분포 `N(L,S)` 를 따른다. `PCH`가 참이라면, 샘플 값이 채널마다 달라진다. (픽셀 마다) |
+| AdditiveLaplaceNoise(L, S, PCH) | `Laplace(L, S)`에 따라 laplace 분포에서 샘플링 된 노이즈를 이미지에 추가한다. `PCH`가 참이라면 샘플링 된 값이 채널 (및 픽셀)마다 다를 수 있다. |
+| AdditivePoissonNoise(L, PCH) | L이 람다 지수 인 포아송 분포에서 샘플링 된 노이즈를 추가한다. `PCH`가 참이라면 샘플링 된 값이 채널 (및 픽셀)마다 다를 수 있다. |
+| Multiply(V, PCH) | 각 이미지에 `V`값을 곱하여 더 어둡고 밝은 이미지로 만든다. `PCH`가 참이면 샘플링 된 값이 채널마다 다를 수 있다. |
+| MultiplyElementwise(V, PCH) | 각 픽셀에 값 `V`를 곱하여 더 어둡고 밝은 픽셀로 만든다. `PCH`가 참이면 샘플링 된 값이 채널 (및 픽셀)마다 다를 수 있다. |
+| Dropout(P, PCH) |확률이 P 인 픽셀을 0으로 설정한다. `PCH`가 참이면 채널이 다르게 처리 될 수 있으며, 그렇지 않으면 전체 픽셀이 0으로 설정된다. |
+| CoarseDropout(P, SPX, SPC, PCH) | `Dropout`과 유사하지만 픽셀 크기가 `SPX`이거나 상대적 크기가 `SPC` 인 거친 / 작은 이미지에서 0으로 설정 될 픽셀의 위치를 샘플링한다. 즉 `SPC`에 작은 값이 있으면 대략적인 맵이 작으므로 큰 사각형이 삭제된다. |
+| ReplaceElementwise(M, R, PCH) | 이미지의 픽셀을 `R`로 대체한다. 마스크 `M`으로 식별된 픽셀로 대체한다. `M`은 확률이 될 수 있다. 예를 들어 모든 픽셀의 5 %를 대체하려면 `0.05`이다. `PCH`가 참이면 마스크는 이미지, 픽셀 및 추가로 채널별로 샘플링된다.|
+| ImpulseNoise(P) | 모든 픽셀의 `P` 퍼센트를 임펄스 노이즈, 즉 매우 밝거나 어두운 RGB 색상으로 대체한다. `SaltAndPepper(P, PCH=True)`와 같다. |
+| SaltAndPepper(P, PCH) | 모든 픽셀의 `P` 퍼센트를 매우 흰색 또는 검은 색으로 바꾼다. PCH가 참이면 채널마다 다른 픽셀이 교체된다. |
+| CoarseSaltAndPepper(P, SPX, SPC, PCH) |`CoarseDropout`과 유사하지만 영역을 0으로 설정하는 대신 매우 흰색 또는 검은 색으로 바꾼다. `PCH`가 참이면, coarse 교체 마스크는 이미지 및 채널당 한 번 샘플링된다. |
+| Salt(P, PCH) | `SaltAndPepper`와 유사하지만 검은 색이 아닌 매우 흰색으로만 대체된다. |
+| CoarseSalt(P, SPX, SPC, PCH) | `CoarseSaltAndPepper`와 유사하지만 검은 색이 아닌 매우 흰색으로만 대체된다. |
+| Pepper(P, PCH) | `SaltAndPepper`와 유사하지만 흰 색이 아닌 매우 검은 색으로만 대체된다. |
+| CoarsePepper(P, SPX, SPC, PCH) | `CoarseSaltAndPepper`와 유사하지만 흰 색이 아닌 매우 검은 색으로만 대체된다. |
+| Invert(P, PCH) | 이미지의 모든 픽셀을 확률 P로 반전한다. 즉, (1-pixel_value)로 설정한다. PCH가 참이면 각 채널이 개별적으로 처리된다 (일부 채널 만 반전 됨). |
+| ContrastNormalization(S, PCH) | 픽셀 값을 128보다 가까이 또는 더 가깝게 이동하여 이미지의 차이를 변경한다. 방향과 강도는 S로 정의된다. PCH가 true로 설정되면 프로세스는 다른 가능한 S로 채널 단위로 발생한다. |
+| JpegCompression(C) | 강도 C (값 범위 : 0 ~ 100)의 JPEG 압축을 이미지에 적용한다. C 값이 높을수록 시각적 인공물이 더 많이 나타난다. |
+
+
+**혼합**
+
+| 증강 | 정의 |
| --- | --- |
-| Alpha(A, FG, BG, PCH) | Augments images using augmenters `FG` and `BG` independently, then blends the result using alpha `A`. Both `FG` and `BG` default to doing nothing if not provided. E.g. use `Alpha(0.9, FG)` to augment images via `FG`, then blend the result, keeping 10% of the original image (before `FG`). If `PCH` is set to true, the process happens channel-wise with possibly different `A` (`FG` and `BG` are computed once per image). |
-| AlphaElementwise(A, FG, BG, PCH) | Same as `Alpha`, but performs the blending pixel-wise using a continuous mask (values 0.0 to 1.0) sampled from `A`. If `PCH` is set to true, the process happens both pixel- and channel-wise. |
-| SimplexNoiseAlpha(FG, BG, PCH, SM, UP, I, AGG, SIG, SIGT) | Similar to `Alpha`, but uses a mask to blend the results from augmenters `FG` and `BG`. The mask is sampled from simplex noise, which tends to be blobby. The mask is gathered in `I` iterations (default: `1 to 3`), each iteration is combined using aggregation method `AGG` (default `max`, i.e. maximum value from all iterations per pixel). Each mask is sampled in low resolution space with max resolution `SM` (default 2 to 16px) and upscaled to image size using method `UP` (default: linear or cubic or nearest neighbour upsampling). If `SIG` is true, a sigmoid is applied to the mask with threshold `SIGT`, which makes the blobs have values closer to 0.0 or 1.0. |
-| FrequencyNoiseAlpha(E, FG, BG, PCH, SM, UP, I, AGG, SIG, SIGT) | Similar to `SimplexNoiseAlpha`, but generates noise masks from the frequency domain. Exponent `E` is used to increase/decrease frequency components. High values for `E` pronounce high frequency components. Use values in the range -4 to 4, with -2 roughly generated cloud-like patterns. |
+| Alpha(A, FG, BG, PCH) | 증강 `FG`와 `BG`를 사용하여 이미지를 보강 한 다음 alpha `A`를 사용하여 결과를 혼합한다. FG와 BG는 기본적으로 제공되지 않으면 아무 것도 수행하지 않는다. 예 : `Alpha(0.9, FG)`를 사용하여 `FG`를 통해 이미지를 확대 한 다음 결과를 혼합하여 원래 이미지의 10 %를 유지한다 (`FG` 이전). PCH가 true로 설정되면 프로세스는 A와 다르게 채널 단위로 발생한다 (FG 및 BG는 이미지 당 한 번 계산 됨). |
+| AlphaElementwise(A, FG, BG, PCH) |`Alpha`와 동일하지만 A에서 샘플링 된 연속 마스크 (값 0.0 ~ 1.0)를 사용하여 픽셀 단위로 블렌딩을 수행한다. PCH가 true로 설정되면 프로세스는 픽셀 단위와 채널 단위로 발생한다. |
+| SimplexNoiseAlpha(FG, BG, PCH, SM, UP, I, AGG, SIG, SIGT) | `Alpha`와 유사하지만 마스크를 사용하여 증강 FG 및 BG의 결과를 혼합한다. 마스크는 단순 노이즈에서 샘플링되며, 이는 거친 경향이 있다. 마스크는 I 반복 (기본값 : 1 ~ 3)으로 수집되며 각 반복은 집계 방법 AGG (기본 최대, 즉 픽셀 당 모든 반복의 최대 값)를 사용하여 결합된다. 각 마스크는 최대 해상도 SM (기본값 2 ~ 16px)의 저해상도 공간에서 샘플링되며 UP 방법 (기본값 : 선형 또는 3 차 또는 가장 가까운 인접 업 샘플링)을 사용하여 이미지 크기로 업 스케일된다. SIG가 true이면 임계 값 SIGT를 사용하여 S 자형이 마스크에 적용되어 블롭의 값이 0.0 또는 1.0에 가까워진다. |
+| FrequencyNoiseAlpha(E, FG, BG, PCH, SM, UP, I, AGG, SIG, SIGT) |`SimplexNoiseAlpha`와 유사하지만 주파수 영역에서 노이즈 마스크를 생성한다. 지수 E는 주파수 성분을 증가 / 감소시키는 데 사용된다. E의 값이 높으면 고주파 성분이 발음된다. 대략 -2에서 생성 된 구름 같은 패턴과 함께 -4에서 4 사이의 값을 사용하시오. |
-**blur**
+**블러**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| GaussianBlur(S) | Blurs images using a gaussian kernel with size `S`. |
-| AverageBlur(K) | Blurs images using a simple averaging kernel with size `K`. |
-| MedianBlur(K) | Blurs images using a median over neihbourhoods of size `K`. |
-| BilateralBlur(D, SC, SS) | Blurs images using a bilateral filter with distance `D` (like kernel size). `SC` is a sigma for the (influence) distance in color space, `SS` a sigma for the spatial distance. |
-| MotionBlur(K, A, D, O) | Blurs an image using a motion blur kernel with size `K`. `A` is the angle of the blur in degrees to the y-axis (value range: 0 to 360, clockwise). `D` is the blur direction (value range: -1.0 to 1.0, 1.0 is forward from the center). `O` is the interpolation order (`O=0` is fast, `O=1` slightly slower but more accurate). |
+| GaussianBlur(S) | 크기가 S 인 가우스 커널을 사용하여 이미지를 흐리게한다. |
+| AverageBlur(K) | 크기가 K 인 간단한 averaging 커널을 사용하여 이미지를 흐리게한다. |
+| MedianBlur(K) | K 크기의 중간 값을 통해 중앙값을 사용하여 이미지를 흐리게한다. |
+| BilateralBlur(D, SC, SS) | 거리 D (커널 크기 등)의 양방향 필터를 사용하여 이미지를 흐리게한다. SC는 색 공간의 (영향) 거리에 대한 시그마이고, SS는 공간 거리에 대한 시그마이다. |
+| MotionBlur(K, A, D, O) | 크기가 K 인 모션 블러 커널을 사용하여 이미지를 흐리게한다. A는 y 축에 대한 흐림 각도이다 (값 범위 : 0-360, 시계 방향). D는 흐림 방향이다 (값 범위 : -1.0 ~ 1.0, 1.0은 중앙에서 앞으로). O은 보간 순서이다 (O = 0은 빠름, O = 1은 약간 느리지 만 더 정확하다). |
-**color**
+**색상**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| WithColorspace(T, F, CH) | Converts images from colorspace `T` to `F`, applies child augmenters `CH` and then converts back from `F` to `T`. |
-| AddToHueAndSaturation(V, PCH, F, C) | Adds value `V` to each pixel in HSV space (i.e. modifying hue and saturation). Converts from colorspace F to HSV (default is F=RGB). Selects channels C before augmenting (default is C=[0,1]). If `PCH` is true, then the sampled values may be different per channel. |
-| ChangeColorspace(T, F, A) | Converts images from colorspace `F` to `T` and mixes with the original image using alpha `A`. Grayscale remains at three channels. (Fairly untested augmenter, use at own risk.) |
-| Grayscale(A, F) | Converts images from colorspace F (default: RGB) to grayscale and mixes with the original image using alpha `A`. |
+| WithColorspace(T, F, CH) | 색상 공간 T에서 F로 이미지를 변환하고 자식 증강 CH를 적용한 다음 F에서 T로 다시 변환한다. |
+| AddToHueAndSaturation(V, PCH, F, C) | HSV 공간의 각 픽셀에 값 V를 추가한다 (예 : 색조 및 채도 수정). 색 공간 F에서 HSV로 변환한다 (기본값은 F = RGB). 증강 하기 전에 채널 C를 선택한다 (기본값은 C = [0,1]). PCH가 참이면 샘플링 된 값이 채널마다 다를 수 있다. |
+| ChangeColorspace(T, F, A) | 색상 공간 F에서 T로 이미지를 변환하고 alpha 'A'를 사용하여 원본 이미지와 혼합한다. 회색조는 3 채널로 유지된다. (실제로 테스트되지 않은 증강이므로 위험이 감수 될수 있다.) |
+| Grayscale(A, F) | 색상 공간 F (기본값 : RGB)에서 이미지를 회색조로 변환하고 alpha 'A'를 사용하여 원본 이미지와 혼합한다. |
-**contrast**
+**대조**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| GammaContrast(G, PCH) | Applies gamma contrast adjustment following `I_ij' = I_ij**G'`, where `G'` is a gamma value sampled from `G` and `I_ij` a pixel (converted to 0 to 1.0 space). If `PCH` is true, a different `G'` is sampled per image and channel. |
-| SigmoidContrast(G, C, PCH) | Similar to GammaContrast, but applies `I_ij' = 1/(1 + exp(G' * (C' - I_ij)))`, where `G'` is a gain value sampled from `G` and `C'` is a cutoff value sampled from `C`. |
-| LogContrast(G, PCH) | Similar to GammaContrast, but applies `I_ij = G' * log(1 + I_ij)`, where `G'` is a gain value sampled from `G`. |
-| LinearContrast(S, PCH) | Similar to GammaContrast, but applies `I_ij = 128 + S' * (I_ij - 128)`, where `S'` is a strength value sampled from `S`. This augmenter is identical to ContrastNormalization (which will be deprecated in the future). |
-| AllChannelsHistogramEqualization() | Applies standard histogram equalization to each channel of each input image. |
-| HistogramEqualization(F, T) | Similar to `AllChannelsHistogramEqualization`, but expects images to be in colorspace `F`, converts to colorspace `T` and normalizes only an intensity-related channel, e.g. `L` for `T=Lab` (default for `T`) or `V` for `T=HSV`. |
-| AllChannelsCLAHE(CL, K, Kmin, PCH) | Contrast Limited Adaptive Histogram Equalization (histogram equalization in small image patches), applied to each image channel with clipping limit `CL` and kernel size `K` (clipped to range `[Kmin, inf)`). If `PCH` is true, different values for `CL` and `K` are sampled per channel. |
-| CLAHE(CL, K, Kmin, F, T) | Similar to `HistogramEqualization`, this applies CLAHE only to intensity-related channels in Lab/HSV/HLS colorspace. (Usually this works significantly better than `AllChannelsCLAHE`.) |
+| GammaContrast(G, PCH) | `I_ij' = I_ij**G'`다음에 감마 대비 조정을 적용한다. 여기서 `G'`는 G에서 샘플링 된 감마 값이고 픽셀에서 `I_ij` (0에서 1.0 공간으로 변환)이다. PCH가 참이면 이미지와 채널마다 다른 `G'`가 샘플링된다. |
+| SigmoidContrast(G, C, PCH) | GammaContrast와 유사하지만 `I_ij' = 1/(1 + exp(G' * (C' - I_ij)))`를 적용한다. 여기서 `G'`는 G에서 샘플링 된 이득 값이고`C'`는 C에서 샘플링 된 손실 값이다. |
+| LogContrast(G, PCH) | GammaContrast와 유사하지만 `I_ij = G' * log(1 + I_ij)`를 적용한다. 여기서 `G'`는 G에서 샘플링 된 이득 값이다. |
+| LinearContrast(S, PCH) | GammaContrast와 유사하지만 `I_ij = 128 + S' * (I_ij - 128)`를 적용한다. 여기서 `S'`는 S에서 샘플링 된 강도 값이다. 이 증강은 ContrastNormalization과 동일하다 (향후 더 이상 사용되지 않음). |
+| AllChannelsHistogramEqualization() | 각 입력 이미지의 각 채널에 표준 Histogram Equalization을 적용한다. |
+| HistogramEqualization(F, T) | `AllChannelsHistogramEqualization` 와 유사하지만 이미지가 색상 공간 F에있을 것으로 예상하고 색상 공간 T로 변환하고 강도 관련 채널 만 정규화한다 (예 : T = Lab의 경우 L (T의 기본값) 또는 T = HSV의 V이다. |
+| AllChannelsCLAHE(CL, K, Kmin, PCH) | 클리핑 제한 CL 및 커널 사이즈 K (범위 `[Kmin, inf)`로 클리핑 됨)를 사용하여 각 이미지 채널에 적용되는 Limited Adaptive Histrogram Equalization을 대조한다.(작은 이미지 패치의 Histogram Equalization). PCH가 참이면 채널마다 CL 및 K에 대한 다른 값이 샘플링된다. |
+| CLAHE(CL, K, Kmin, F, T) | `HistogramEqualization`과 유사하게 Lab / HSV / HLS 색 공간의 강도 관련 채널에만 CLAHE를 적용한다. (일반적으로 이것은 `AllChannelsCLAHE`보다 훨씬 잘 작동한다.) |
-**convolutional**
+**합성**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Convolve(M) | Convolves images with matrix `M`, which can be a lambda function. |
-| Sharpen(A, L) | Runs a sharpening kernel over each image with lightness `L` (low values result in dark images). Mixes the result with the original image using alpha `A`. |
-| Emboss(A, S) | Runs an emboss kernel over each image with strength `S`. Mixes the result with the original image using alpha `A`. |
-| EdgeDetect(A) | Runs an edge detection kernel over each image. Mixes the result with the original image using alpha `A`. |
-| DirectedEdgeDetect(A, D) | Runs a directed edge detection kernel over each image, which detects each from direction `D` (default: random direction from 0 to 360 degrees, chosen per image). Mixes the result with the original image using alpha `A`. |
+| Convolve(M) | 람다 함수일 가능성이 있는 행렬 M으로 이미지를 통합한다. |
+| Sharpen(A, L) | 밝기 L로 각 이미지에 선명하게 커널을 실행한다 (값이 낮으면 이미지가 어두워진다). Alpha 'A'를 사용하여 결과를 원본 이미지와 혼합한다. |
+| Emboss(A, S) | 강도가 S 인 각 이미지에서 emboss 커널을 실행한다. Alpha 'A'를 사용하여 결과를 원본 이미지와 혼합한다. |
+| EdgeDetect(A) | 각 이미지에서 edge detection 커널을 실행한다. Alpha 'A'를 사용하여 결과를 원본 이미지와 혼합한다. |
+| DirectedEdgeDetect(A, D) | 각 이미지에 대해 방향 지정 edge detection 커널을 실행하여 각 방향 D에서 감지한다 (기본값 : 이미지 당 선택한 0에서 360 도의 임의 방향). Alpha 'A'를 사용하여 결과를 원본 이미지와 혼합한다. |
-**edges**
+**엣지**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Canny(A, HT, SK, C) | Applies canny edge detection to each image with hysteresis thresholds `HT` and sobel kernel size `SK`. Converts binary image to color using class `C`. Alpha blends with input image using factor `A`. |
+| Canny(A, HT, SK, C) | 히스테리시스 임계 값 HT 및 소벨 커널 크기 SK를 사용하여 각 이미지에 canny edge detection을 적용한다. 클래스 C를 사용하여 이진 이미지를 색상으로 변환한다. Alpha는 요소 A를 사용하여 입력 이미지와 혼합한다. |
-**flip**
+**뒤집기**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Fliplr(P) | Horizontally flips images with probability `P`. |
-| Flipud(P) | Vertically flips images with probability `P`. |
+| Fliplr(P) | 확률 P로 이미지를 가로로 뒤집는다. |
+| Flipud(P) | 확률 P로 이미지를 세로로 뒤집는다. |
-**geometric**
+**기하**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Affine(S, TPX, TPC, R, SH, O, CVAL, FO, M, B) | Applies affine transformations to images. Scales them by `S` (>1=zoom in, <1=zoom out), translates them by `TPX` pixels or `TPC` percent, rotates them by `R` degrees and shears them by `SH` degrees. Interpolation happens with order `O` (0 or 1 are good and fast). If `FO` is true, the output image plane size will be fitted to the distorted image size, i.e. images rotated by 45deg will not be partially outside of the image plane. `M` controls how to handle pixels in the output image plane that have no correspondence in the input image plane. If `M='constant'` then `CVAL` defines a constant value with which to fill these pixels. `B` allows to set the backend framework (currently `cv2` or `skimage`). |
-| AffineCv2(S, TPX, TPC, R, SH, O, CVAL, M, B) | Same as Affine, but uses only `cv2` as its backend. Currently does not support `FO=true`. Might be deprecated in the future. |
-| PiecewiseAffine(S, R, C, O, M, CVAL) | Places a regular grid of points on the image. The grid has `R` rows and `C` columns. Then moves the points (and the image areas around them) by amounts that are samples from normal distribution N(0,`S`), leading to local distortions of varying strengths. `O`, `M` and `CVAL` are defined as in `Affine`. |
-| PerspectiveTransform(S, KS) | Applies a random four-point perspective transform to the image (kinda like an advanced form of cropping). Each point has a random distance from the image corner, derived from a normal distribution with sigma `S`. If `KS` is set to True (default), each image will be resized back to its original size. |
-| ElasticTransformation(S, SM, O, CVAL, M) | Moves each pixel individually around based on distortion fields. `SM` defines the smoothness of the distortion field and `S` its strength. `O` is the interpolation order, `CVAL` a constant fill value for newly created pixels and `M` the fill mode (see also augmenter `Affine`). |
-| Rot90(K, KS) | Rotate images `K` times clockwise by 90 degrees. (This is faster than `Affine`.) If `KS` is true, the resulting image will be resized to have the same size as the original input image. |
+| Affine(S, TPX, TPC, R, SH, O, CVAL, FO, M, B) | 이미지에 아핀 변환을 적용한다. S로 스케일을 조정하고 (> 1 = 확대, <1 = 확대), TPX 픽셀 또는 TPC 백분율로 변환하고, R 도씩 회전하고 SH도만큼 기울인다. 순서 O로 보간이 발생한다 (0 또는 1이 양호하고 빠름). FO가 참이면 출력 이미지 평면 크기가 왜곡 된 이미지 크기에 맞춰진다. 즉 45도 회전 한 이미지는 이미지 평면 외부에 있지 않다. M은 입력 이미지 평면에 해당하지 않는 출력 이미지 평면의 픽셀을 처리하는 방법을 제어한다. `M='constant'`이면 CVAL은 이러한 픽셀을 채울 상수 값을 정의한다. B는 백엔드 프레임 워크 (현재 `cv2` 또는 `skimage`)를 설정할 수 있다. |
+| AffineCv2(S, TPX, TPC, R, SH, O, CVAL, M, B) | 'Affine'과 동일하지만 백엔드로 cv2 만 사용한다. 현재 FO = true를 지원하지 않는다. 향후에는 더 이상 사용되지 않을 수 있다. |
+| PiecewiseAffine(S, R, C, O, M, CVAL) |이미지에 일정한 점 격자를 배치한다. 그리드에는 R 행과 C 열이 있다. 그런 다음 정규 분포 N (0, S)의 샘플 인 양만큼 점 (및 그 주변의 이미지 영역)을 이동하여 다양한 강도의 local distortion을 일으킨다. O, M 및 CVAL은 `Affine`에서와 같이 정의된다. |
+| PerspectiveTransform(S, KS) |임의의 4 점 투시 변환을 이미지에 적용한다 (advanced 클리핑 형태와 유사). 각 점은 시그마 S를 사용한 정규 분포에서 파생 된 이미지의 코너로부터 임의의 거리를 갖는다. KS가 True (기본값)로 설정되면 각 이미지의 크기가 원래 크기로 다시 조정된다. |
+| ElasticTransformation(S, SM, O, CVAL, M) | 왜곡 필드를 기준으로 각 픽셀을 개별적으로 이동한다. SM은 왜곡 필드의 평활도와 S 강도를 정의한다. O는 보간 순서이며, CVAL은 새로 생성 된 픽셀에 대한 상수 채우기 값이고 M은 채우기 모드이다 (증강 `Affine` 참조). |
+| Rot90(K, KS) | 이미지를 시계 방향으로 90도 회전한다. (이것은 `Affine`보다 빠르다.) KS가 true이면 결과 이미지는 원래 입력 이미지와 동일한 크기로 크기가 조정된다. |
-**meta**
+**메타**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Sequential(C, R) | Takes a list of child augmenters `C` and applies them in that order to images. If `R` is true (default: false), then the order is random (chosen once per batch). |
-| SomeOf(N, C, R) | Applies `N` randomly selected augmenters from a list of augmenters `C` to each image. The augmenters are chosen per image. `R` is the same as for `Sequential`. `N` can be a range, e.g. `(1, 3)` in order to pick 1 to 3. |
-| OneOf(C) | Identical to `SomeOf(1, C)`. |
-| Sometimes(P, C, D) | Augments images with probability `P` by using child augmenters `C`, otherwise uses `D`. `D` can be None, then only `P` percent of all images are augmented via `C`. |
-| WithColorspace(T, F, C) | Transforms images from colorspace `F` (default: RGB) to colorspace `T`, applies augmenters `C` and then converts back to `F`. |
-| WithChannels(H, C) | Selects from each image channels `H` (e.g. `[0,1]` for red and green in RGB images), applies child augmenters `C` to these channels and merges the result back into the original images. |
-| Noop() | Does nothing. (Useful for validation/test.) |
-| Lambda(I, K) | Applies lambda function `I` to images and `K` to keypoints. |
-| AssertLambda(I, K) | Checks images via lambda function `I` and keypoints via `K` and raises an error if false is returned by either of them. |
-| AssertShape(S) | Raises an error if input images are not of shape `S`. |
-| ChannelShuffle(P, C) | Permutes the order of the color channels for `P` percent of all images. Shuffles by default all channels, but may restrict to a subset using `C` (list of channel indices). |
-
-
-**pooling**
-
-| Augmenter | Description |
+| Sequential(C, R) |자식 증강 `C`의 목록을 가져 와서 이 순서대로 이미지에 적용한다. R이 true이면 (기본값 : false) 순서는 무작위이다 (배치 당 한 번 선택). |
+| SomeOf(N, C, R) | 증강 `C` 목록에서 임의로 선택된 N 개의 증강을 각 이미지에 적용한다. 증강은 이미지마다 선택된다. R은 `Sequential`과 동일하다. N은 범위 일 수 있다 (예 : 1에서 3을 선택하기 위해 (1, 3). |
+| OneOf(C) | SomeOf(1, C)와 동일. |
+| Sometimes(P, C, D) | 자식 증강 `C`를 사용하여 확률 P로 이미지를 보강하고, 그렇지 않으면 D를 사용한다. D는 없음 일 수 있으며, 모든 이미지의 P % 만 `C`를 통해 증강. |
+| WithColorspace(T, F, C) | 이미지를 색상 공간 F (기본값 : RGB)에서 색상 공간 T로 변환하고, 증강 C를 적용한 다음 다시 F로 변환한다. |
+| WithChannels(H, C) | 각 이미지 채널 H (예 : RGB 이미지에서 빨강 및 녹색의 경우 `[0,1]`)에서 선택하고 자식 증강 `C`를 이 채널에 적용하고 결과를 원래 이미지로 다시 병합한다. |
+| Noop() | 아무것도 하지 않는다. (검증 / 테스트에 유용하다.) |
+| Lambda(I, K) | 람다 함수 I을 이미지에 적용하고 K를 keypoint에 적용한다. |
+| AssertLambda(I, K) | 람다 함수 I을 통해 이미지를 확인하고 K를 통해 keypoint를 확인하고 둘 중 하나에 의해 false가 반환되면 오류가 발생한다. |
+| AssertShape(S) | 입력 이미지의 모양이 'S'가 아닌 경우 오류가 발생한다. |
+| ChannelShuffle(P, C) | 모든 이미지의 P 퍼센트에 대한 색상 채널 순서를 변경한다. 기본적으로 모든 채널을 셔플하지만 'C' (채널 인덱스 목록)를 사용하는 부분집합으로 제한 할 수 있다. |
+
+
+**풀링**
+
+| 증강 | 정의 |
| --- | --- |
-| AveragePooling(K, KS) | Average-pool with kernel size `K`. If `KS=True`, resize pooled images back to the input image size. |
-| MaxPooling(K, KS) | Max-pool with kernel size `K`. If `KS=True`, resize pooled images back to the input image size. |
-| MinPooling(K, KS) | Min-pool with kernel size `K`. If `KS=True`, resize pooled images back to the input image size. |
-| MedianPooling(K, KS) | Median-pool with kernel size `K`. If `KS=True`, resize pooled images back to the input image size. |
+| AveragePooling(K, KS) |커널 크기가 K 인 평균 풀. KS = True이면 풀링 된 이미지의 크기를 입력 이미지 크기로 다시 조정하시오. |
+| MaxPooling(K, KS) | 커널 크기가 K 인 최대 풀. KS = True이면 풀링 된 이미지의 크기를 입력 이미지 크기로 다시 조정하시오. |
+| MinPooling(K, KS) | 커널 크기가 K 인 최소 풀. KS = True이면 풀링 된 이미지의 크기를 입력 이미지 크기로 다시 조정하시오. |
+| MedianPooling(K, KS) | 커널 크기가 K 인 중앙 풀. KS = True이면 풀링 된 이미지의 크기를 입력 이미지 크기로 다시 조정하시오. |
-**segmentation**
+**분할**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Superpixels(P, N, M) | Generates `N` superpixels of the image at (max) resolution `M` and resizes back to the original size. Then `P` percent of all superpixel areas in the original image are replaced by the superpixel. `(1-P)` percent remain unaltered. |
-| Voronoi(PS, P, M) | Queries point sampler `PS` to get coordinates of Voronoi cells. Replaces in each cell all pixels with prob. `P` by their average. Does these steps at max resolution `M`. |
-| UniformVoronoi(N, P, M) | Places `N` Voronoi cells randomly on each image. Replaces in each cell all pixels with prob. `P` by their average. Does these steps at max resolution `M`. |
-| RegularGridVoronoi(H, W, P, M) | Places a regular grid of `HxW` (height x width) Voronoi cells on each image. Replaces in each cell all pixels with prob. `P` by their average. Does these steps at max resolution `M`. |
-| RelativeRegularGridVoronoi(HPC, WPC, P, M) | Places a regular grid of `HPC*H x WPC*W` Voronoi cells on each image (`H`, `W` are the image height and width). Replaces in each cell all pixels with prob. `P` by their average. Does these steps at max resolution `M`. |
+| Superpixels(P, N, M) | (최대) 해상도 M에서 이미지의 N 수퍼 픽셀을 생성하고 원래 크기로 다시 크기를 조정한다. 그런 다음 원본 이미지의 모든 수퍼 픽셀 영역의 P %가 수퍼 픽셀로 대체된다. (1-P) 퍼센트는 변경되지 않는다. |
+| Voronoi(PS, P, M) |Voronoi 셀의 좌표를 얻기 위해 샘플러 PS를 쿼리한다. 각 셀에서 모든 픽셀을 프로브로 바꾼다. 평균으로 P. 최대 해상도 M에서 이 단계를 수행한다. |
+| UniformVoronoi(N, P, M) | 각 이미지에 `N` Voronoi 셀을 무작위로 배치한다. 각 셀에서 모든 픽셀을 프로브로 바꾼다. 평균으로 P. 최대 해상도 M에서이 단계를 수행한다. |
+| RegularGridVoronoi(H, W, P, M) |각 이미지에 'H'x'W' (높이 x 너비) Voronoi 셀의 규칙적인 그리드를 배치한다. 각 셀에서 모든 픽셀을 프로브로 바꾼다. 평균으로 P. 최대 해상도 M에서이 단계를 수행한다. |
+| RelativeRegularGridVoronoi(HPC, WPC, P, M) |각 이미지에 `HPC*H x WPC*W` Voronoi 셀의 규칙적인 그리드를 배치한다 (H, W는 이미지 높이 및 너비). 각 셀에서 모든 픽셀을 프로브로 바꾼다. 평균으로 P. 최대 해상도 M에서이 단계를 수행한다. |
-**size**
+**크기**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| Resize(S, I) | Resizes images to size `S`. Common use case would be to use `S={"height":H, "width":W}` to resize all images to shape `HxW`. `H` and `W` may be floats (e.g. resize to `50%` of original size). Either `H` or `W` may be `"keep-aspect-ratio"` to define only one side's new size and resize the other side correspondingly. `I` is the interpolation to use (default: `cubic`). |
-| CropAndPad(PX, PC, PM, PCV, KS) | Crops away or pads `PX` pixels or `PC` percent of pixels at top/right/bottom/left of images. Negative values result in cropping, positive in padding. `PM` defines the pad mode (e.g. use uniform color for all added pixels). `PCV` controls the color of added pixels if `PM=constant`. If `KS` is true (default), the resulting image is resized back to the original size. |
-| Pad(PX, PC, PM, PCV, KS) | Shortcut for CropAndPad(), which only adds pixels. Only positive values are allowed for `PX` and `PC`. |
-| Crop(PX, PC, KS) | Shortcut for CropAndPad(), which only crops away pixels. Only positive values are allowed for `PX` and `PC` (e.g. a value of 5 results in 5 pixels cropped away). |
-| PadToFixedSize(W, H, PM, PCV, POS) | Pads all images up to height `H` and width `W`. `PM` and `PCV` are the same as in `Pad`. `POS` defines the position around which to pad, e.g. `POS="center"` pads equally on all sides, `POS="left-top"` pads only the top and left sides. |
-| CropToFixedSize(W, H, POS) | Similar to `PadToFixedSize`, but crops down to height `H` and width `W` instead of padding. |
-| KeepSizeByResize(CH, I, IH) | Applies child augmenters `CH` (e.g. cropping) and afterwards resizes all images back to their original size. `I` is the interpolation used for images, `IH` the interpolation used for heatmaps. |
+| Resize(S, I) | 이미지의 크기를 S로 조정한다. 일반적인 사용 사례는 `S={"height":H, "width":W}`를 사용하여 모든 이미지의 크기를 `HxW` 모양으로 조정하는 것이다. H와 W는 플로트 일 수 있다 (예 : 원래 크기의 50 %로 크기 조정). H 또는 W는 한쪽의 새 크기만 정의하고 다른 쪽의 크기를 적절하게 조정하기 위해 `"종횡비 유지"`일 수 있다. I는 (기본값 : `cubic`)을 사용하기 위한 보간이다. |
+| CropAndPad(PX, PC, PM, PCV, KS) | 이미지의 위 / 오른쪽 / 아래 / 왼쪽에서 PX 픽셀 또는 픽셀의 PC 백분율을 자르거나 채운다. 음수 값은 잘라내기, 양수 값은 채우기를 실행한다. PM은 패드 모드를 정의한다 (예 : 추가 된 모든 픽셀에 균일 한 색상 사용). PMV가 일정한 경우 PCV는 추가 된 픽셀의 색상을 제어한다. KS가 true (기본값)이면 결과 이미지가 원래 크기로 다시 조정된다. |
+| Pad(PX, PC, PM, PCV, KS) | CropAndPad () 의 픽셀을 추가하기만 하는 숏컷이다. PX 및 PC에는 양수 값만 허용된다. |
+| Crop(PX, PC, KS) | CropAndPad ()의 픽셀을 잘라내기만 하는 숏컷이다. PX 및 PC에는 양수 값만 사용할 수 있다 (예 : 5 값은 5 픽셀이 잘린다). |
+| PadToFixedSize(W, H, PM, PCV, POS) |높이 H와 너비 W까지의 모든 이미지를 채운다. PM 및 PCV는 'Pad'와 동일하다. POS는 패딩 할 위치를 정의한다. POS = "center"는 모든면에 똑같이, POS = "left-top"은 윗면과 왼쪽만 채운다. |
+| CropToFixedSize(W, H, POS) | `PadToFixedSize`와 비슷하지만 패딩 대신 높이 H와 너비 W로 자른다. |
+| KeepSizeByResize(CH, I, IH) | 자식 증강 CH (예 : 자르기)를 적용한 후 모든 이미지의 크기를 원래 크기로 다시 조정한다. I는 이미지에 사용 된 보간이고, IH는 히트맵에 사용되는 보간이다. |
-**weather**
+**날씨**
-| Augmenter | Description |
+| 증강 | 정의 |
| --- | --- |
-| FastSnowyLandscape(LT, LM) | Converts landscape images to snowy landscapes by increasing in HLS colorspace the lightness `L` of all pixels with `L0 are typical of fog), `AMUL` a multiplier for opacity values, `ASPXM` controls the minimum grid size at which to sample opacity values, `AFE` is a frequency noise exponent for opacity values, `S` controls the sparsity of clouds and `DMUL` is a cloud density multiplier. This interface is not final and will likely change in the future. |
-| Snowflakes(D, DU, FS, FSU, A, S) | Adds snowflakes with density `D`, density uniformity `DU`, snowflake size `FS`, snowflake size uniformity `FSU`, falling angle `A` and speed `S` to an image. One to three layers of snowflakes are added, hence the values should be stochastic. |
-| SnowflakesLayer(D, DU, FS, FSU, A, S, BSF, BSL) | Adds a single layer of snowflakes to an image. See augmenter `Snowflakes`. `BSF` and `BSL` control a gaussian blur applied to the snowflakes. |
+| FastSnowyLandscape(LT, LM) | HLS 색상 공간에서 `L 0은 일반적인 안개), 불투명도 값의 승수 AMUL, ASPXM은 불투명도 값을 샘플링 할 최소 그리드 크기를 제어하고, AFE는 불투명도 값의 주파수 노이즈 지수, S는 구름의 희소성을 제어하고 DMUL은 구름 밀도 멀티 플라이어이다. 이 인터페이스는 최종적이 아니며 향후 변경 될 수 있다. |
+| Snowflakes(D, DU, FS, FSU, A, S) | 밀도 D, 밀도 균일도 DU, 눈송이 크기 FS, 눈송이 크기 균일도 FSU, 떨어지는 각도 A 및 속도 S를 가진 눈송이를 이미지에 추가한다. 1 ~ 3 층의 눈송이가 추가되므로 값은 확률론적이어야 한다. |
+| SnowflakesLayer(D, DU, FS, FSU, A, S, BSF, BSL) | 이미지에 눈송이의 단일 레이어를 추가한다. `Snowflakes` 증강을 참조하시오. BSF 및 BSL은 눈송이에 적용되는 가우시안 블러를 제어한다. |
-## Citation
+## 인용
-If this library has helped you during your research, feel free to cite it:
+이 라이브러리가 연구에 도움이 되었다면, 마음대로 인용해도 좋음 :
```latex
@misc{imgaug,
author = {Jung, Alexander B.
@@ -1334,3 +1320,4 @@ If this library has helped you during your research, feel free to cite it:
note = {Online; accessed 25-Sept-2019}
}
```
+
From 6781158ab2ef47ad638eb10633ddc741d7d92583 Mon Sep 17 00:00:00 2001
From: eunjiahn1 <56919057+eunjiahn1@users.noreply.github.com>
Date: Fri, 22 Nov 2019 23:15:24 +0900
Subject: [PATCH 11/13] Update README.md
---
README.md | 2 +-
1 file changed, 1 insertion(+), 1 deletion(-)
diff --git a/README.md b/README.md
index 5cdb4e05b..8b4c4590a 100644
--- a/README.md
+++ b/README.md
@@ -785,7 +785,7 @@ images_aug, bbs_aug = seq(images=images, bounding_boxes=bbs)
```
-### Example: 증강 이미지 및
+### Example: 증강 이미지 및 다각형
```python
import numpy as np
From 1738899524e999efa5e9fe45e369ae99c83c025a Mon Sep 17 00:00:00 2001
From: eunjiahn
Date: Fri, 3 Apr 2020 21:48:03 +0900
Subject: [PATCH 12/13] additional translation
---
.vs/ProjectSettings.json | 3 +++
.vs/slnx.sqlite | Bin 0 -> 1036288 bytes
README.md | 42 +++++++++++++++++++--------------------
3 files changed, 24 insertions(+), 21 deletions(-)
create mode 100644 .vs/ProjectSettings.json
create mode 100644 .vs/slnx.sqlite
diff --git a/.vs/ProjectSettings.json b/.vs/ProjectSettings.json
new file mode 100644
index 000000000..f8b488856
--- /dev/null
+++ b/.vs/ProjectSettings.json
@@ -0,0 +1,3 @@
+{
+ "CurrentProjectSetting": null
+}
\ No newline at end of file
diff --git a/.vs/slnx.sqlite b/.vs/slnx.sqlite
new file mode 100644
index 0000000000000000000000000000000000000000..8903687b3e7ab70476b3961d1df0c11b3dd791a3
GIT binary patch
literal 1036288
zcmeFa349aB^*FxLu2#E}c2@=;7_c#i!3Jb}9}q%}F<>ypCr6ACI@Y#87m{pa2uV!t
zgPf52KFNLGX`7}=+O$bX)3j;MZ<}7BX_K}|kEBiWdo#1UTFEk`?f={M_y4Uw@SgPM
z&FsvZH*aR%tmbufv<4D#QGX;B@+69?C?{nyQ704?Q540(|1aRb`ZpOqFzOe;Cf(Yl
z*1U}_(^y9!?3Z_SjfT9D;0n1v5Dp{)k+7S53=gaf1mzaLyCoBo)YRGB*xg*z(zc>`
zQ&I0%Dx*)Z6~W*7w(XK1-#Dc-BJ%9@%|t-@(?RkN%d3I<0zhCIPQe?azUDj>B#)O>3}OOopou^MLM+e|lf(X+1VP;?C^DBQ8Bx`geQkh)Yj~=c^+wJxM=izQTx8Iy6(A
z$7xQ=h{Ml4w!-{t`l1eNeWO%;PpOT{s41^X7&rbi5AyEOC|F6=QmKznM_zXzB*zn;
zP_(ZI8ISIkbzn)sULj3%@z%UWrKWun)Y-ZFj}*y@QV)_db}
zY*>b6QPT1%tHq)f%_|#wTDyyULoqyJ6RMepK^~#4c@@)4V>9qD>5>zPKzIO;X=S}l
zC`_t8jpxH^gqQmy!$gC&wB5|+Em&aMj5Q~|6V_<5J1*}WlEbiSOZ`fx=uKK;Nf?xW
zA>=F_TV=B5O`B%gC*v}ex+%z22XGZ`Y}yAdtk4YWfK50j_*>^
z2humB+u?)pXGp-1fFS`x0)_+(2^bPEBw$Fukboh9|9T0WaUx@(mYm0l&)%Y9Lp7tE(IQ{k5)I
zZ-w7gQQ>cJL5dHR>2Ij2sc-N=T9qvO%4;iqu8Qi~Dpz$~eYwk1<@3Ab+L{WvyrHJ9
zRtB=Ss?t|mU+01c`CQe$TEELv>8Ws4`RnVdz5Sj_f3@FL=dJSkYy4HN`l{MWs8gNa
z1&^q9)m2yaSIU)@HMPDs;kt
zxfWXIhiXE5UA~G+e}7etUzQshT+p)Wdby_D<*RRiiu-D0SAA`5t*frKLay{f+si9t
zm%pL1qS9C6cQw@2c;InRoTsj)%2nB4Q(x=t_x6|9)w%rrzPg%*iUwD`-ve^;R{LCD
ze|3$kqPE6g>Gk#3_SaUpWPg1H^j@8-s=TJgRbA_=a5ePH`r!4}RJzLR%gZav%Y6+Vs9=9(mET+At#sA-%j=02cB9+#)0
z3ffUwS>dgyYk)qKb7_WJBw@7%-zqw6YKjbn6BYB!4CSh7ipidY>|Y=2iTcrp@@iK(
zNCzrgR9UgOyk>D#b*_n_=H+$42~5bNcx5Zfs>*86{@)^9LrI@V??^9755Y&{&yav2
z0Yd_Y1Plon5-=oSNWhSQApt`Ih6D@=7!vq5N+8EVyUgh?{1%3@8QNvSudV3btK5@C
z)1|!n-W7RgEXNG_)8B8Qp0=ClX(r_z1jYvKVWdNp^p^CTbV&O6-`G6kQHBHz2^bPE
zBw$FukbofpLjr~b3<($#FeG3|z>q+i1g6nTOcT7>!sO74Oygb+ptHeCkp5zT*-6ji
zQ(giHt_laJyMXV4DL{|8N@TzdH
zaK6wh%oj|K!;U8$H#*LAL>-$P3+#Wlzi7YQzSDlZeX{N6w)<_vwzam&{JZ?4{9eA3
zFXtWHo7@xJWn7e7#^qW+vVPZkmvx`jYpt{9uphI}vIkf{Tgy(ed|>&WKt=^m)O}kAiO>;~%
z^)43QoI#eVGx03E_2Ap#9tk7{eS_$ysKIzybd=-Xc;nmc3Fpf*23X3aaScaek#HoS
zXDI4tsYOYKKpcKP930hiRLU&XrEv^}1L!^lw=WWm#N0cFJn+ls-T23~`aHA!ELEfB
zi4R5PSTwLJy>32z-Qp4W@l~W>UrLFWrIsa22}efygPt97+#U3c$}v6XEDuXnW#H8F
zEZoLYtCBqMyPTlx4um`dvU|i63&VFkcd47D8k5}eKnQ-Ehui56d7>#Yp1zf(=IK~v
zzrLV?K9(xgQe%-sL%BY=a0^Q?yeh`zq3w{(Dlv8Rk<3znQ
zqmf83twqZ=vs6ecDH;im4n)FnH~heK)IAKp8TY&WLoxJgCC^Z@vHGeMZ(^wiT>*i3
z9IiY7eTt{lxMZWg*P;R0CyxM&+tUx%B&2YiR95%YxONYC`o
zpWUNZDo`nWu?PIlNzXK^TdxUGPYiz6lz@`;JOy3)E*aN=s!o>b(W(_13MK;4;HZ0W
z2-*<#yW^h3P;8vW&+TBTC8?Qwk(lg89ie~r>~?)4LJ@pzgf}>pqRz9|r!dL>fG6xu
zXDV*fcSq0@4SIa?`0l7!$5I_y#dd^bknAx=Z%M1Z2e(J%0mu-F#?UnYk+8lsg=_WN
z8wkY*BP06s;x+m@213!HAZWrki5Io#jnE*x@RdHsrmbeFVyzYZk(9AovPxgy{$L>L
zo=7`Z>b0XEOcL~G+K5}&thW>W@W!P(4yI=mtWMY;_j#fz`c}4rrPgW{lY_t>@Fn$k
zoSrOf(wFWJ#6aVr60#r6kRLSFm(a^^!E%;r)=Kxw&_4sxS#Nfq5|AZOl)ag6GGYpT1UQHjjGizC@LMxV7Mc;6xzA1$@
zda;f-oE6pjG41jD-HFIC?9;3&BEjKucr&uRY$)stf+c{dD&)^m7Yjv|L^Twi3>>8u
zL^UeQD;mlhDr?>F16cH<=|C7;A1G|5T3B5+#pN*lrY0y$cm#=hTO2g}um6Flqsb{TUz*6qyBUIMth{p|sC^72Z5skZt
z!no~N{#wf`=aZF|B3(5n>3=Z6k(fV@lu!ROS1Fl8wH_g223rkg&Fu%N$$IwEl9YC2
z=)f6jKUB;kN~Vndv9elS9jp+qH8
zvjUZ?yqKldYdu#{?M{wob!edpTbHA14w;daa;x0PlEBa!Z<}U7M+Lg=fLJCmiRnK+gxzdu`TSauOh@
z#MEgWr>q~*q79~`I9c=RGvw3QaPV4Zy8x17OQ#wG#PeB@EZr$xZLhP>wmWQpu)PevfCILZ
zYyn%Vt=^VzqxmEJclg`*ef&0lH9w!v=V|T(?se`_?m{lX^>WL(xz;bNzqY<+eZqQ~
zb(gizT4J5d{)v5`J==3Vny^smi-m)0<^Fb^^p
zGpC8~NXJ>Wn0HAf!fVoG^CI(9Ge^H=J|bDfznI?NdeQWN=~^a6
zza+jO-ftfkud;7twwYf-qSXE6z&jX7LEX9~J9Vp*o=vD;FIu2cw`9``6oMxKN`;9x
zPo_%=5w?2%2-@gTH|5b4gqE^zqi)Ql7ZEz%jG=uMV!uHvf~Yp4U9Zvb)Q2B+T^3zz
zjtzy~sH*X@_#kyHsu7~VfYgZBpw^@hWa?^(o@rKg#9(fzt59LeceGB3Q&*z)x?u?v
zNVwgo4p)fu46`<*smo{3jb=1$!rU2v3w~fP>`S<#qm|LoD#U&ns&XVMhvTq63d*|>
z?O=MD2T(OeU}H3h9Us)C4tknd*||`cpytGNE(%n{#VAM84M1IlzN0A{oF^##LR116
zY7hEy0czEN3@(^NEZ{?w{U{l2rO=o21-ihDwkTMh=OIDC#$gyPN<-UMSpERdxv0vz
z?F4lW%7kZVlzcWSPgx36XQ3nzUKs66s52+g^UR(Yc(CB{zzyv-K+=f$ZbiN7JVet5qC3?0=r@wnq64Bg~
zM0%#ltLf|>#Hs7(-C6WJ6ZV{_ySz~+U2H-MrPg$pK+iB~3O-UqH=A}2MRx4)z+Nw!
z7(~;md(ac?hviyXG(0ejJfR8$Y=I)g;S?|14vv-~R2h<1wmmwKKo3tDCUNv|{Q!xf
zhigM)Cu+aE3#LHmuqaB>Mo455U20k(Z})5%>H_aTSt8LNMo&wseF&AU*ZLqTK-2LZ
zbLe%Zq$4u(R%APBT#^ZEMm!2W3+RMEK3%6zOL{T~k*k;FN_sB`kXKkCCOww@^XM*x
zdQ>l^JcX`N_)`~l`dWld}FJj+hdVxw(J%?MS(@Qm4y0@@5*}|l0II)@zDLKBnS8(%G
zxIvMGlvoDu-^N*Vi<&Xx`ZYSbA=yExew?19v{O{SJ1H8~x71Za_b87!x(BZ_
zsg~N{QN4B@$%>?U>e_V)Dc-sDNwK7R@5Nf0R6o^o
zbzD+r$=xm3g(XRC8|R@~oP5T3uT(?Q#7^vqs!s|c&HGfBOIIi|)O(z2lTFpUOf^Y8
zJ(_2!8nrNkH>nDVe4GcV5{Vq`E;Did17zR0yIl0l2Exbd3fd{JE=)5qgSU?
zSFa47oD$TLN(o2t-poTvL&TZpv6)*;uUAth_RL=QlPcvXr7blXb9peX7H9wLqkv#
z)C3-qsY#}Zy(0O#F_QFiOi`$*-j6(us`q&0TItEKupG%jt5xFJ$mZxAy!f1qR(h%n
zV-i}ZkuTu4$U^gf`X0xLi~#(~UhkohQr34Ol5o-&A)tk@&H>>-5?8zqc2ps<=(Hg=
zoqvHxN!X6ZIaFZMlVC*?lHPs5qV%NCz=BHBISLq*ob(RRuqBtaafFs+eN>)RooG@dRm92djgG~RD#t=cv2?Pu
zONvQBsbAVAohWrnZQ=*w`_gJ@xpbUVE0s(0r8!ceG)0;uIV4u1#LvY~#gBwaVWBWr
zC=#X$lLd!has1u!XUFdxM;z}v-gdn1c-irS;~S309S=C}blmK?#&OVbf#WR4sg6-c
z%(25!;K*?Z4vYN@`ycJUwg1BYuKkDhm+jBnzh-~LevkcD`?dCi_WkxV?0fA)_K;n+
z_vt(Z#z#W}h6D@=7!oifU`W7_fFXhZdnI6@c{BC2l{TBHtEi_G{G@`PQ1IgleoVoS
zD)cSFmDF7dzEi<>DEN?qZ&&bb3cgjrwt=rV#1A{3$y5OgU)mk@L@
zK^GBpAwd@qw4b2!2|ACUa|t?!ptA`&i=Z5~bvi+(5wwq>F@jFD&?Zyx6bw(s
za4&`@VYmlD+ina;G2DgW2!_KL4q=$UFpgmi!<`sLF^pgs#xR6o5J7GShTAa=U^s~3
z0EYb-${6}F^kL}5(1YPN4BZ%R#jp>JoKguuolA_466~$slu=l!I>2Z7L{YT2*WZAT^KIJZ~=z%F)T%JMhSw2^AIeU
zi(xT_b19QoQh#Sg4QV*=3$tNA^iLw=
zIBu~o6;5^ZIEo#N{YQ@Hg+BY8_Wj}p`&QT)+Z-Q>i$tgJ0Ua^FV7kq;MtH~k0COfY
zBt1%Rr8~?wnlBMvk#3O=*xt9jWP8YVxh-nzuvNjCKg0imKg{3DU&im|H}X}yz#ZWZ
zbN6xAaHn$vTnAUdan=v5uUa3mUTzIqH(HlkXR%+f@3POZ=ddxhi(Sf=u-TSREQc+R
zSPoiFw)iX!mYEhCa|iPg^Qv^VG-BRoj+i$x+k~$%?dDZXqws*a-aLn1ChcG<=t^lT
zJzH8Q9yaGNg|yvtk(p*}rm*?1rr%3T>Cfo5>Bs3q;`34&bETd*KViBOizrTnkF%`P5Lu#Fm+C5hADZ<9i=Xx$uxouoba4G
zN?n%2l$z2`x}(&=^s>QJW-&8Oy3_6ub*acqGpXm@A?lJ`W&wQF9h-q`Jw#oM^Cb_q
zLexc=l05YeQ5WKplymP8b-`q&*pzbe9isMQ7Uk?aM4c}&1t#tEJ4BtA$GA-6&c8#{
zxws*^V}=lQ4$i8cfrqHGammUlc!)X+C#&b+A?nO*W}YeaBs@f&kuD!F?Kq!$#vG(h
z!>vr7hX<*Bm_t1g4^m^e&gp03LF!Zy+NPa~2TyS@`6lIDJa}>zbh`dzJh&Gple6*Q
zNlxe_@X@JnbOiTce%<-FZTDnoPwEM|ZFCX{Jmrkswo3w4N}iJ2MrJY1CiNIR<2ku)
zxPV!rv811r+lFw}l4s?%1g=QRk)bV)E216wfdbiLxFXt#xoszwj(TQpi{fPM)Z7-y
z27OLDH@AiHvy&(1wh(@f{_NZq#06=m=iH9D%sP{DI)mPi&3t~&ZO4r!2VwX%TJ#ef
z^#q*@Ok?Wwg($~V=oJTUFc(x-c|h_Mog2tw7HQ<HfqY|IMtEj3tF)BNXX@OxA}~TqL-poCJyqx2SQCg0
zm2-7&EAB@^Q%}~pz8o+yN=f8pT2zNEh0M|(#Y6X@#LuzbDO6#
z4asb&XYAZ2og6cqvU3~fFfCf<3C`KM4Z7}2J!$89bp4PraJX)rxKvj=*EOH%Q6G2o
z^LDONr^edwQ%~Hv4qcT}&)m6oeNxJ)JGWjZs`PVruC0XWQ0sQIlXq^NPNo^o-nmwt
zPH3m^+*;kU)6d_zHM$|DJAvm~uvH*Br~H~_weIN|PT{##x*kb6hv!!6M#cmu@mzB;
zvsM+tglF;G3SCJPoW^ra*gTV}tEX?t9646bT+zGm&o9R@ZTc(q~
zb}r8yuN#r$Pv*I$I%QSQ=DFi^l1w?B=a%SnbKLnnw^;YA@h9|LgU*b5C;qiay-ql3
zr}SLi6sAJ$CH*-)SF3Bhc2dvP=rsFiXZ2h)ZgGaw`kX4<9pldHb1HFnpwrIGC-yTd
z%9uWrdYpUgUw4$_QKFpwrk&asEn2{A)XGv5GoRZRmARN+!V48U*2#U5OWzFjxLtR4
zU$k%$>>|95Qtb=;3StIkRnGOZ3o$GCeMCXBbw@kf&z_ElFRpTi)BWsec=&1p
zoZx&vd#a9Y;uHSteEqmep7C3!sPxoRersNmu0Q9u=JL#Bv^XBI=HS)0@+*dHp2?xe
zX}`b}P|4$dk(r@>L+AZDjEfq7;GfMbK-AO|f1FcWl!_8FlhU90JDJ&3%Avo5nMP@+
z{&psxQjh&Hr~cd@C*lbs&f#KpC;wSYF_n7sk2!Q_|F}5);Xh`;r~j}~%|FVb0Nwv@
zk|6${5&3WYmfoNk5-=oSNWhSQApt`Ih6D@=7!oifU`W7_fFXhZItf%mgukBRuM(E9
zqPDE2thTJWwz|9=z5j2LzDL17eFJX1_SG=O&TcyXaPRpf*}2|pKJ6P|&X0M`iT3cG}Up<7rklnaG|!|}P}1ILdX
z&p94++yK9lKgqEjq6DmTR6AxloDeJEH}<#e-?2Yxzr}uu{ZxC{zQw-AUT>dkpKPaW
zzqP$(`?l?2+l{shYW{tv)f@>h^z?}d7
zPBm(1NWhSQApt`I|2YX{?O`c14|nH2MWai0BgftOdDd=)^duoQT>om;s6u)IlY&1f
zelBa5LVBE#qQC0S8c|4(5mMRl@vLEm^e7=MI6OIPNFhB!Nb}w*$x0}shcPMeotO7!
z#TC*+m^9!hEz622qz5sn|AptuvUVz@2MFonLx0PPDx~`fY3tV4vLXuUK1`A?x$^U@
zutK^Qll(t@{^qQZLb`{LwqJdFR!||`jY+=Wd~;gX4uy0VCV5Y(Ta~q4A>BzxJL~AI
zfI_;1ke0=7$r@BhhcL;r+T_oI;5=CNw`0<_9C3RVgyX@a+c3%9_qWTlApQ;}-AYJ~
z#|~#fcpXf-1(UXZnDb>81k=H!n+Ykfa!(e7&%vad2x;EpYqLBG=|)WIdwu89EC`E(
zxo*IuE!V!$l?AbHFzI?i+EDsQ7R0#0r0X!L_g9PeWI#N
z@|&h+LHrs_I!H(-e7!XbBGq8hrI>W0f5}J|#HPWd1BB#V_IwsZo57?@21as!K8}_Dfi?9Sr8@$lP(}6>x>^~K~NY>x)75#eR=1HSr7vTllBwR
z3T|f>#C^e}^D$}ThL7D@5Y+{f&LgB{pB~DB04|txE+Lh!`cW2yYr&**2uUb9I}3ud
zVA9!`wBbiD?aP8dESPi_AyvHImj!`VFzHM}vesL(AfgH;oq3C76ehjq|*rL
zM1Cj>0;XWn>4dcTXOCp9R!I8@sr^W47Q{utTw{c^c*)!>2!Mh~r(#m~ORp9>A>N4z
zEWjy*68PoAPKarOC?^xjl%5hNL@hy-y_nMV;lZCcAug!f+#Ue>AdT$pEx1<2cqmGl(SgB6XJXzN`z2qw~jg?pa-ICCzQh7q7x!^AWDEx
z3bvo=gyt}tKq&b~nw=1S15x@F%5&SC5M2XNWJ2M;^D8IB(m)hH
zp>Tl*oe(<%QGA5L{%o%kLS!I{mr$rN(Fw6H5XFNj9bc|~-U(qY5M>*oeDTfCoDjkS
zQQU;`w{zQ_5S#*0wi3#xU7{0WP#{Vlq5R>Kzd0ec1fpyql#d?VmPPPJO#wlNho(b>vcjb1w`o}
zltaD?oe)9+QQ8URLeLfno`5Lp3FZ7B{ly7^6A-11P|khyaVG>uK$LZaa`u7gPKbbj
zD6NEY)|QwPLL4Bhgwi99&AW93Noc7M!PKZ%}D60u&cj!+}
zh)IAbs|aPZ??NX;BtVpvgtFtcVJ8G5K$K=ek%QlGLMQ@6SwSfNJAUtkAOwigL@29k
ze&vMd1BkMmP*zUf?1Xp&h|)+X&FyD9A;bWpoIohY|7MjFVhbS3GD2Cr<ZL^+O7YWuHtLIeRsSwbk)g)5wJ`#z#9CY18$XFDNi
z0HQPyifiS5Cj<*XlzKv$f7aVh2oZoNb%c`ptEdw~10YH@p=6srb3#M_M5!T^Nhf)o
z5D5TLY6(T$c8wDjF^DpWP=pU3L+Af{97iaK{dYwA7~=o^OnO&(L;Ak-J-GYt8`2Zf
zL()BP^WTlq)zU%fLg^fc54cwvk#%-`ZEf^i_#pu!#F*>jrqf0hnbn!-vF4}<6
z1w9yD*p1QtE{x9a#OS;ZjLvPx=$!Q!o!y4fS?e%5vlXK=)?#$p8jMbF!D!!VjK)@B
zbSl2=?-YF5-^uv0zrFafzmxD~e|zv{f4lKzf1~)azg_sUzY%=dUmRcd7sHqR?ZlV;
zMet>R+wo<80esotAinHx0AKdkk1zX^@nwJhN_2gm4`24@#h3kg@MVA7@MV8)eA(Yt
zeA!
zWq~Af;>~9Ue?5_o1_O}{e_O}XO_O~({)wy{xf-5E=
z*p!9fawmd~5`rg)2rd&4Jl=ueQaggj*$`a9BeKRa{C;AL<8?{-~;$0_yCUl7x)1B#EoKyxK?Zymw^|cN_2_y#F^qWF$eqryhsaQ
z2!9rSFMJ4|fd3KR6n-GQEPPw|CU^rL5$+T25N;N(6)p#FziDA>;(y`5@oJb=H@;&9f}x_Y=DOST
z@O4@L2ru7jnrE5bZ=?8W5E#{D=1)MEYsr2ELGs)l8B)8tQ0mdDp!CO-97Mi@0JleZu8xcErT%7_?w$D2)L(l%U#Y$7ePBm-cx7WBr1tb2s{%V@
zh~^Bz5Rdk3jRzk4ux0v|qdfK@Z!e^JJn&ePrd$x}a1_U_hnR}0!s9@F?r0z?qs~-i
zer!&@ccW$6iE0f@SAOC29xc&C
zLL|o&#P=5SW!;eKa^Z@c&<}yb6OjmnVMHA9^zVG{9Lv-$;LnGMyU;jd1qkGOXIpYR
zAuT5dr-h&q=s(|^Wy$UU`ecaQ3waaPN48#I{?E~Lo@>+^l0L$#zm<1~&QDWUkU~9C@ZUQ!}!Df655sCmijDr=EPkaaU
z1ixT8FqM|#vT&GKd^sHy7)|{K%(wD08p$}ylPracfv=zd^Qkwes+jMP_?iYt
zuc_hD_-KdWw-Ig$UFSjZwl|`v+p$cv4$+!h582Wy-7Z;j>oU;SiduCATI6
zeI3xNGtgUMI8|k!ujMScl^N)3pqz>f^cE-we!@Af{;Pq$C}yCt_Q1AQg%yE4$5
zd5dcy(6QA<11<`)MI;9EA{dl-+E;!B^&UTO0kGrVG@JB2sQ(O%?^=$Z4~$EfLU)->
z&Cu%*)wUZfRJ=bD3*jlKX}EGC`U>hD>%vmCUTC}@y4v!s6Gm*-jvX8`X+LvHzGKEDvs
z^YgK^RzS4+(JBI$PqG#k94)KJ&!7HPt07qOr=>ln5j@
ze0&DLUp$6B|Lifu|Iy
z5#SFVk^sK?APNQc%7b|TUwQzQ`Mn3K0lxSE2k<-h%K%@vzXsrQ_XD85bssA8oA-_Y
zeCFO20Kah$`uy}gYXLrWPd30O@Ad$E{O*MSAHEyi^#0&oDAxmbp|`&8y|V-0J$Iti
zyYC1Cyz>r}ddD3mfQJsP19u*Cm*WQZwuelYSAzyt<
z3&1OHK@z+CW+cypH%|h1;HEBsm)=wY@RA!*D=xYbm2mzI34rI_faG@0_2~22*Vh3&
z>pJxLjO&gAc-nO+QvIpdBKe%v_O%hilsm8BD
za)@2k32^6CD9U~0D%5MCE4Kj*UWsJ5<4PLf;1z2C_Fpj-pnUmGfWFIX0eUY-&-Gl^
z25{?TXotMzAS%E2Ad=yU2M~SJfn0zaF7*QJxpX$b&PxUXc3gsL-gXJ<)7Fc(09<=9
zD!=6-B!^WO6$5O(FamJJg#`eYU(g7!aX*s(@%!fjTzY;tz~jzGbzXcPl2!e=h`;XK
znE-3fLH$y7HfnX{*>eCcIt!Itb{1;U!ZVSUE;z#ju=ET7RLSY{0nRxMQD*N$xr+8>
z1Dr92o?AF*X1b}B^tGs37u#RrBkX1DC(<@Yp(NUW>FBUtX}L~3BEIM_ar|
z_NmrlCL7M-pOr=|Ud!)=PD_ck)A2**T8D?b!D+0_P?L;5
zLjwQLOW^tC%$UWD*ZA>4PgIV(mFr#IUf8)027-Qw_3CzqBe2kyqwaWMw+vsx?sy^s
zjA&Ig^?yK!Pb{D}E2V%B3zkdx4*gIhCc6_5NFH`-GA=kQ2c-?b|Hu-0l<=!dY}kMM
z-F{EPgKq|gRT|o2hvPxCvxIxmeR4SA?)LOR-Lx)Hq
zX_eSj;oenA7RJy$Ak6_8WDyKRqq0BmS;%>29lev}RAL;cPDQ9n3`9=4Ef9AnMk4NH
z-KQOZytRvHkJ*hC0PPBi8wAwA8-XAQ(9|fj);rYS4>Coa&ppHT!U`6(7c&1^pbN~<
zWaP+-vu|6gA(5hP#2o|OF}_cuqz|XQj%L7>C|WMsWTOdVXc9e-v_ah^7CdjQhJ=UI
z&TWUdCIg^)c!v-dzJ%0liJnO^#RmiZ2?v_HHqWG+2@R_szQ-I|jwr
zvSN{*VLl-mi-2+^M)O_=(pAOuI+C+L774j`jqVzCdtx!qs9O$26Ut`?T1DJ9g|1RK
z1Hqu|SDhZBXq^Sg)O;itH}q97=yqEepnO-$frD4L(bhHrSGHT#^b)fh?OS1B1QG#H5RGoKfu{b%?X!MFSzN&P;}W`y)FX;&QC?T$
z){4WWgZCPV$tiGGQ(0O=k(NU4le7UiC$PYdQnjHfT
z1P`fu5bkGpkHjL-64)5ZG5&nW^jB0PG~l~*9`kkJ3|k*=33&!&JVKyO(i;9pzz)&m
zOCi8a!kvtwU~T5OKU0<|kotR+iU)w^hT-l8`n!wi5kepK1czWq3iN4Uw339s3+K}tb)_HyCT%A;`FFV?-nu&gHp?dS`;caShPnmU2ZkWX
zfkZoj0S^{Px(^s$*F+rOIphHot9Yly9F%=liej7JwxPv4)u)XL7(rFLsuZ4*YT*P@
zC}jkaun&{as_{b?-A4*g{pvbnUsa`=doV$XNGPYrwwIcOip7t_IiQRtWMl$i@Ea$f
zVmh0vI(^;d$L*6SQJa|18h7LI^eLnm=mt=RL~s<37w{G922UJ@4cKhlDmQXcLyw_@
z2?340bG4cvW9o%D3U1X_%q2{W^3*qg=@U)omGJ>7q_1+HvG-CO>S178g9f+~Ge|Y)
zlOKSD*R+Q~{-jMFg6Kgo1Y|$=y!~60{e7xH6(r;tQa>Z_Ujhg}Dy4gr#^Ny%2XiF5
zcSpdqVc$5k9h~yJ0`ctcKv5KR*$ldo@Fyp*a3rBF2qwJ+JTtTCVzb`Ck#~#z3kn&y
zF=W4qTb5`=+;o=3?ARaVnGNJ(k)ezG#<*eoKW=tG;pNB^-L5S&R4IzNPr(K6ai
z9)%++1xQnaFuc+HftM;U%fMO%uXcn#iD%&sY+p$Cl58m*>{b>x9x#ogaj+C}JP@CJ
z7Ch&VsK>BmwdLIoBvhCW^U#cPe{$7@R)&fdz^g2QOcD%Q5x&j^6>-
zdekbcUPIxa9FMyPf)TGL=#GU4Oh171?<0LuS777LaxG6u5-_=P=|!OLWTC3IJZ|Zb
z(3C@c8?DClDv6|q3>8eyFkWGzkAo1j$zDVo?%T*>BZi`nxJ_t_Z$U-*wbhI#7#;M0
zaG?NV<)F;rKs*3Z&m`pg*guzEPadjRtBhyS`I~@smsY>bHdk3G1;VhD3HxN>QDo+F
z;1?0__XV8(|5|!adQEykdQ!Sqx=FfBI#)Vbib?&_iBg-iT&k7kONG)TiTz)F|NlR6
z_D?xJbNs>aq2uR{cj3l@!;bGbzUg?<@sQ(g$E}X*9G5#Ta-8GX=h)*&I6{toha2uO
z=y0rYG&zoQ)Huo<^BhHve8(h*9U>-vVgHl;WBUj8pTg}1Kd`@Kf8PFe`(yU|?RVI3
zvR`dKVBc>)(|(G5mwl&wyWIzO9`xAT?5pf2*cRrX7|7ZSp{1N_r{%!ts{$>6J{u}(``~z@p3Uha0dap6kt67D>R<+zs{<|5o6=iyG|y0})ZnLD1VzqbAiR@XnYzGD5h^%?6E)(5S3S#Pmk3pX@eXg%9HX5DR#LnKJqx)q{9wp&}Q
z%dJbS)mE2vu62fWiZ#n>v(oI}*gvu#vA<$}!oJDA#(s}|j{O?@D0?4!h`o`$ioKLQ
zpFM*;nH^!HY=HH$y=*tTj$O$vW9!)pc0N0sozCX4A`8F3v3zFvgXKfZ&n@p-egrWl
zzhn8PQWsRlDa-5~cQf8TFDYE2S
zCRywjhWUc|6Z0|i0rOMlE#?QzOU(1k*O|wd`yo!{P0ZEI0cJl$%RGhI#q4CZGd^Yu
z)5EketC$m*2Bwl(z|3I^m|R9;IL1VOPJcrGhW-Wp9{mRWD*Yn;Ed3PyFdC>RK<$X>
zb%K6C&}#&JpP*L>I!w?j1iehqO9Xw7pzjj&B0=9F=-ULnK+y99Jx9>D2zr*FZz2>o
zJwwnp2>LofUnA&gf}SGiNrIjr=y8G`Bj{0r9wF#qf*vC1L4qD2=zfCkBj{d&?jh)I
zg6<;dPJ-?r=nz4-6LcFvw-R&L*m2y1gB{0BIM{LAgo7Q&O*q(b+;o7Hc_~4c5Ogs?7ZG$JK^G9T
zpP=&zI**`p2|9^N@PN50`;$8poCi6R1Vsso5ELdTL{N~R9RzJB
zC_vC4K?4NAo0I54@a7~!@a7~!@a7~!UV`AwN%U9^
zL8}Q`MbJuunh9D#P!mDR32G$h1cH_kbUZ;z2|A9TB?K)dsDYq*g6asWC8&m=YJ#c=
zswAj_pmKs15mZKyi=c%BEg)z4$s1kEC7CP766%^;|dpaO!X
z6EuyWsRZQ{G=-o%f^rGUAt;-m$plRzD2pH`K@veCLNSv-kb@vQK{kSTf;fV#1hE8J
z2x17L2{IF8B8b9>`jVi(6Z8c^eX9WF)pg$AzCxZS+(5D1_LeL)w`aMCv
zBj{s-J|gJ11pS7f4+;7;K}QJsfS_Ly^h<(%LD0_$`WZp*6ZBJpeuB_W>VF7&kDzx6
zdWWF533`j5HwpSNL2nTBBZ7WN(CY;KfS}h1`aVIg5_FiLR|tBUpqB{x9zowF=tY9Q
zL(sPgdV!$l33`s8ZxQq?LEj|k8G^n+(ANq28bMDJ^b|o)67&Q?j}!D5L5~vj2tf}M
z^bkQ067&E;_Y-s_mY{10x|*P?2)dG>D+s!rpvw@7PzMP*K+vTGT|&^s1YJbXg#=wd(0+o>C+Iwa
z&L!v^g3d;0J9QR90qRVI2B|X;8lX-`sGm9wA(`5Tke?bu$VZ)u-iY>{f}r@
zf#3h{I04h~`~MyI{r?X9{(lF4|G#4iPQ~y4ci{K`+wuGV>+$>lZTS8Fb@=`NR{Z||
zTKxY18vOo$3x5B9HGcnp6@LGJC4T?E8NdI(0>A&iVgcHZe{7}AX6ng;3*ht5$>-_l
zu;eZL`H`uAgwHRN&-oX^=V!_1Dd>FZG5q=A+;73>yU6Dp^g72)`13=PkrV6+{Q15~
z7sKZZ@aKE77QpAz@#njx=i&1({(OgsTpj`Z`F6)=@Y#(&-)z4WK6m5KH`hCm$-Y)Xcj_Z5}&rarc>bSy`(<~2bz
zS7okdnVJ
z^zVXFneN8rt<4!)F4#(lT*e8p#oq_=?QUMx+*#D#*|M&&b92$!=FLToJ>BbD+Mw8V
z&28OKEBN2j+PY9Fr9BoIhBusI`rIlHVL_eH*}Ss3v$?IQxvQvG&Cv|6h9yS(N;Co#
zQJTyG{npdI0to`d(A2o1IVEXDb8B-lNv#YKVB3bq&ZgCkoh6kuHKkgG)8wjVSvdsn
zX>|<2tJM7g*`KL^)c#QOtpzPf%1dprn%d~|!TV+bZy<=8sEIY5Elmf<@g3Kl+#y`EU^t2uu9&u;(;Sraf
zEB(7Yb;PA7!}HY{c
zC5#*YnFo3IXcVlZYN^yms3Wf%{ahjeuetXXA>+~AvJNaM*ej%oF5a5AsMNGi!kVZ)
z7M15lKqZih*_3YWX=~}|(Pkc%N6VyBFEveR7|by$g;Y7skZ7qJDaAGdz2+mdbVSfc8sW06!cSC~CUg_Ajt
zQMpWlFFkEFLyUA&(n#y1m0nLv>HtYk)(w&LqeF~WtVVdbPclq2XiMA8Y#!WTvKebm
zd?&2Y;D;dc&LJ7zfKU5Mr|3;uVo4a3e<9>79b09x=E03N`(#|EQa1&eQ_AR7s5+HX
zDE~H1+kk!^*H@ILon(^4`+w>JN@{al0B^3Z=PIlxvEOD|=^KIgZ~r^fnQhH+xw!K-
z4hQ5Bv{rBTBnI&e7?9)X-xWD;XldS9l%7`Pi3_%kE#0eO+%)xccC~D19?#R*r7YFZ
z`09c!MpJjuczaOP*j2RL6Hi%#xA+$pO*DWJe-qJr!a`&87b
zIdWk=vc4_(mDDo%9o4+OEJO8DSypzH{o~agR|Ky9NhcM}+cK{RP^wLs&eUQ;n#SSJ%u&KSvxLuD3t9ja2i4tROkDZ|YOXrgy(
zpO8MNj>n{KXvx_V4Hk_fb5R+Gi`G@W
z>X?;I%hgwU<}}HgS5;*?PvtG|
z@j1;At;XR;3-bKxOiTKq#e_RGt6;0Yd`+RtXsU|9`8vjfWW$FeG3|z>t6;0Yd_Y
z1Plon5-=oSNWhSQA%Xvh1dRLt{v%>H9%@LykbofpLjr~b3<($#FeG3|z>t6;0Yd_Y
z1pciOFwXz~t>QKwW=O!0fFS`x0)_+(2^bPEBw$FukbofpLjr~b{v#4V=l{oBy_ED@
z={4zb>00SDX+T;h)k)JOR{U6eU3^l!QQRkb#TKzbED%}Y55lX$y~6oIuP|RQISxCX
zaNOuP(-C!SaxAd_-TtEea)@kyynV9m=eGN8!w`{vGXF0BD8HBQb+4t~VqxB6o`AUNL8gwG
zLVrphrf;B!>GiZ|{;l~r^DX8x%me1*%%bVnre{pon|7O4n&y~j>Rm;c>=|_?o`rj-
zeLLJEfyAJ15M4zbjF&}6Iqr=&zTKX1zC2@qrCb`9WUr#s|{rpS2uR+gHlW0n2-f(rUrs#HsjMG_6=
z`sBhbEVUq+EXM=8Wqta*UY1&_OZWIeO!6+cZ8RvS)MCbodTB-@kziVjmThLKkXBMO
z5*!_fgyU|wV0zR&40p!+-Tt8%-yQcPhGOG1er^X#
zElJJfi^OC%>InU_XSeGc5sKij5#HcXiaO6;pTZ>j1D>!uovFA@-yK0uH0Xhw;KsG4
zVjW9$XcgNLl0mY^7`-K}`X1aKl?Nb0C>ldy03u<1YYNxuwKouo4@O4x>BVdGbqs`}
zLqX7ladj+e(Ho&b*^@{gW7Af%RI%2I{z%GLEm@_nZ+|clbx))nEA`sZ4<-rvGi}5z
zY}VU}ez*+S9S74h3RWlVkNZ5)6n!gO!BT6ripfD>5BQS$J5Em)Ht9?E2V$V{Pzl)&
zX2=hk>PzV5w_rI-HEX5&W#|JE$sm)-n$yTq$r-^Hi$t-$Mm;I^sOSW}tbK41VGQc5
ze`x74z3C%{9s)FgNRj5Jw7&3oegFG{ks*J|NSn7*Z@rWW${imZ>hBMx6jX4Wen_I2
z3Mq5YtR?z>^Tq-LgNZPxqrTd67wbnLgsbqtxc3CdjhlH5`Z{^N6WY5)^(?hc6Ta8u
z+c6M}41ooh$Ux4i(|3Sp7#^9(NNw{S?h-D
zC()(pfiSi{P}oehu)1=V>Vsw?){64-S~nSO`h|)cW}SgBnph!Yk(#l15wRIc#wsOa
zVl*1jvsIU|)W&4_DjS*5!)Rs*stXfc;k7Q7>Q!<<0~(aVJ#o11JK+w*-Ee<)48^8F
zOA%eZ(uFAvuTNG=Mw6$WwSEChxs#7jS)(H!Hw>c0sC!2=?j8!`wqyBgEw7wUR$7X5
z)tsdN!30NQ{y0)T{nK2fWDeDOgoqhzHJCNGAEYMh*-J}O+L56HXQ=&9F^?#jQgVYk
z79NPhe1_Kz(DA+qC^#&`LjFQE%bdAn0FbV$sCE0n2t|exl}ODBRIc)3mRhg%Tt&4z
zIiA&_g(hrWj;c9iMpnwLawAIuLu=4yz2#(v+(J?iX-<-!
zT|f$gk*(t{pRSWzZACen4A&r*)jNeng8ln3CdT
z&8yFlug_3k1^O@&iR}Q{f_}PT$u$^(nLwAJXiAE0i4TQBp4cdGSXJp2PzLLd;XsO5rqCo)*#JaU
z8vt7_tCh$%E196$9^a_Gyet!RJ=Cvkm{jbuNp7_N-w9;lCgD`!M8W0w687{rI`%rc
zq^P69VYC0*{)~OUz2DwwpKklq_6^$&wv%idZ6*BQ`8W8>_#wWPU&ssG$J}$Uua9x7
zxp|z~`ik{#>v>jL`muDowBNc~>XB-}pFoR8#FxZ-#Y@E<;_)I}lqwt%Ubecdx$Nic
z&)Dy>hu90)7`usG!cJ$+mLrzKmIo~tS%xirmSvW?78~;s^D^@=a|N@9>17r%+4P_3
zH|ej@SJS)cE%b5pbcj^=L-Ql%OU*+Nv9Q{lZTgMrCDWazb4{|T*)$iLc$B|_F_=*2
znR%?~#AJeMQ&*`nojwLLX|bBFtX7iA1!FK}YT03C45Q^_GJVzKf45q#XY9VphZIeBAlA~Y@COWMIGz+1{UoyRT3}&`E
zwS?69U(Z)C2Gg2W4(yTfE;?Dxv@w{&W~=4ERGspaqA{4eTxzOrqoOYWCM&G~uQ#=T
z8DlUjX$|#y5-`Y8ISR&LDnbqeH1gfB5B5jUE_kvks+nUj`=IqBPEXn3YCJ__FcTrK
z4(7o-ShN|{7gI0>(~|ZWVjEJ^VQ$jW@j3$4Q+vd;F_@#!jx075cB99{%i@DtYT+2n
zRmiP@Qo-ttW0)}pQxkGbrCUy|i2N~_lhC}WthQmU)6%Am!Sqv{OhXH{Wa`v0m}_Q3
z*=|^u1`=*J)H|w*Z^{@|@
zT0-F%OhQPcXmqH)D0rmCkUs{K5h^w5`_ZMrM1<1Nnhm^X`h2-#Fbkn4!m#z|6Q+&9
zEQGpvKnCAjB8JDbR%GrN%tR;~+HdQ#<&D8SQ~(KRPm6R$%Q9mOrXuW(jD&|F${zB4
zz}i{IF?9@0OORK$FV(W=jlsl(3dYMmeYV^&n4C~u6ziqS0&^3}qS`GjW%?M*Ovr1O
zVzIR3sbgq*f@GZzC8zB%n4nOpsv*--^2cC;LUK-;FfA=_4D2+@r5Z0SWyTmq*JeNLJNeX$d(eqs0x+5<{htr|u=S*I6hnE$1YXg_tIdoWF^Rzt9hDxSH{?;(x%^JazZD30a$i
zrjL@j93Nw;E_W?;+Agw;L5omz#?}(2jF9D^w$Rp677P=Y(9WUAjvXFw&PNl2$PeNk
z^aT6Czg89v4`|GDhlul8VFv$ogq#+}%eKQQnZ}o&AhRstE88AT7BM|e8j-T3*D_9v
zkw)kj^IGDRoum=kGG0r`i=u@C$3n0nIR=X@En!N8WYJdkT1r8ftZY}v+dUhGy5P8|
zERpEflJi5T1^Q*VmUPrZnkhTd*4^6LV9|EHpB=3rj^WFm8_;|D@sb0bM#rOY0H&X5
zZKggrJy}CZzmndNUNHF`r#No0FBML8^f-zgjQvNB=Y>A|o%a3W2K!c_Qm{Eb5*LY1
z;R8Bie!+B`X^rrX`2prkQ;-=l9grTSx6&Qv8_kypuSmB@2W;=#Ua~!8yWAGFb=azG
z`8J0C1%H^o7yJgh`Hg%P_zjM5hq?Q>Yq-<70j`6q;5h4t*2}Fy>qhHR>n!#Q_FeWF
z_8jmEbg@g>5;oiN33vq_u^hCVZ1GtdEHl9?a0mDWUX{+4M$G%n5%Wf7oA5QJ-Morv
z6do|wo9EEWq#aBJT`6s)XG`nE!{!{OkhYsHGSiIB6gL0W^m}P3{Tcl>{WyI{d|oPJ
zt~B*Y`NGW-Z9ZapOZ-&)rRjU(JM=;Go8mpd*KViBOizq=CQM>xo6NeUaFn{j
zbSh;vcQ#v@$rKMhm&r`A$*gSE$aajn5=zQeX=wXKU1fSAiK2AN7dJ$|aiPwUm;w{9f^wqm
z3UxLvS>2>iXW?XRYeJow&CCPg=v^ow>Wp;x1gX>MF>04tHDy8SH2NSlh{Zv?CP8W+
zeTdosk|17^AT`F=sFmh%+Y9PcrjRN#X}gM3m|MuXJW+2X-C*{_s5C_k76{>s=ik!DuASk#uy_P8nsh_y*frQ8dR8TccbP*c5aR
ztVz(81zp2wHAs_#=|OZ0{6m8F&{+j@|AveP+GUAxPvmzCTGy-S=UM#><{M;
zQPf45W`|_a-dWpGnPBrc)=6xgox&V+F|#I;3DVSAldJTyXtsXN>O7^7O|-RgR<&2g
zq^Uk#oRyAeP7g!+VZ)SiD;DpQP1L(t(N-Cmj^@#}S?;LEOgc8px+*j5$Qk#EP^C*9
zug{|~vBdEnTpdSW?5HkVlVeeDWr>yD0W@Y7I-0TF{cJs%1&$(lv}5KwgWNhX^Bh&>
z(}bDZQ(0h@tx^4#IgUEbr1dh}(I(QmF0&kY`!rl;I=Yx+DAi|(QGxohsm(Iok$WZ`
zmT8VR;?`W5>gXBS^i`&GQ)XF}kX=hoHl__RLAP)EydR10K?aamwc
zFq7`bV1%@^LL3?&gT(9L`@vcCJO=hxRtJOT=K6uPI}Q=O#ALUWH7uQu0ezHZc3M_o
z7EO-+{gjo&+Z6qce$L0R6e_qhSrvG_A;X!I5%uw8?h
z^)h-n%a=(Tqo;VqW-5*8VDu2piYnNvdC|RxGS8~t#`G<^iBa54qj4>Zu3{7*)-1Xe
zU2K-D8Wo*myRoNX=}~lwJ&MUHX-{;FZwoXJTH_0}AUYV3%JJpqyU!)L?ITJ7q$;5w
z(JuXTjcP@-72Q`9Ig>6#8_|933e2Vf(b~b*h~7i1_%Fc%t6w>E8Cqg;^*5(`bQ}uA
zuqfy*&4zsN?}u=_P0Ndq2^c|Biy@aOc>y6t=YZkHprx_UBBpc*m_Fz!G)Lg6s9(2s
zLNiczg6h&qh=aI3EtJOKT^3C1AMm~OX+ek9K@@~xK~vWt0#7efa^|P*+XWqZ1uUYp
z3Xsf|)Z_ejC>J!H?lwS&&VB-DlZJAoOJDI=v!vX6VS!dhIEFxpt>^acDtks6I}s3$@d`X`4f;
z9@iG*6v2zySoL1Ejg_)_Y&h${H2o`_KzJOFeDL4F8aP-32W#N}^)-O`9FuS#`9|ni
zEK1bWU{X)Z<$?POls=NgSBVPK%YcFN0{7-B-AuZ<7zpA&+A2dWqGQevc^-lHq*F@I
z$U(n5O;0Zmf__&UWw4o8xi}uMzKjmqAneX`?&bm_hNV-d@~%B1^y+jRYXuV2t8$bs
zW|1uItH71%3UExK!F)xU+0wKMT%ImsdUX=Km*ruZhuW0A)|eBxv=wGtM0G85s`l$3aL7!TKg4PTLGIrsM=oVVpDC?I`?zVa-~IxeftbJa&2vD-Y}y6>oJn
zEb@24;-^^j&!W5*I7>7fS33_UMY`!Rusm>zXvrSMw!oR9d3w9?=D?BSbvt`VxLUmA
z^d5`YHn1ixLRxpuBVyPiacn_El{Nu;S|MUu`w`;Z*gY=1MNBKm9~OHLj
z+a$`dO6A}EY;+^Qu|(C#M(ak$I`+Z+0&79;;C{jX$My@t()Pd%X-OddS^SOoQ_|(p
z2cqvsPBd9^pX1lY&yNg`bcsa6--VxnEr2s{ZlEkYJ3In<05bcGJ;API
zb!;u0&U&*}Ox8cuU()Z?Ptj}imHI@zyY{E{x%Pr~k9L-}U0bd7)N(>UVeY>_bbn}H
zXcz1RObrbTwN$@R-%uY_H>%gEr^NThkCgYw74mYmm+`6EMxLq0jCbTQav!C8yjBe;
zZQ^B0EWRT4k=$PSTK+}4N{%USOUKBcOMk^@D$gpnDyJ&-vA5!*)m75=cu(Vnc#bqc
zYAxyV8`5WSHTH}2R_yEGvB7P@AA&`}_kvFbZwX$gRLf7t9*f-^*%~`9vPM}eJ?)uN
z1b+yO7DBpXmh-`lp0v93K1tM8{unz14ZH!X{3tY%c3hr@pq#5I9@tAr89n&LvjvZs*1~dC7dX$G<{9$S
zfrryFVBmE4Z?UF8r^#;wF89bufm1;|B`q!l_R60J_M|`aP=xp;z}33B%6H&oB^Frc
z{8$D~ipp&)9f-h*YAi6x`WgmKP}>BCdcSIc<9U%mwWlY?8FD*Y_aSgBPtTf;9K(a`
zX~@wnc&8!OOi{1GRG;0Rf90v?iyR*>u(7-
zRq%AOdq^dGId0jdg6EcQ_T|mwZkAWH`puCw(j|5q-(pj#UdwQ=zcA+`|qQdJ1b=$h}O8
zrKPYsNA6>hEFFbaZRIgG&8wlXGW~?uPpy-b=0lutq_bR`Z!I*UOvvdqbr|Zn6VK6G)+I;#2
zho_;f)VM8@Msnc&zA?9(Vcn)!_tpxYZVMlx6{US3WgXj1o~%K
zZyF4GzDZB7Dh=XQ&i7U`YZDCYE3a;{F2NzZy_-AFma>4UNid+7yv!SvS&yK9A97A?VvrF0_)eg0pK7^xiT>
zU!<8rBboy}c%z}}^ym$A?KQa)vMutR5hltz;O>)myLLdU_^&~~ZU9#e_(Es^IISNP@F7f4oq7RWE#N_D1?0tN1|qby
zmaEHowno5ZwnBg*cW~g|>Xhl>rtwmLlPu=v=~se~?2Hpu4#!
z2XY(d5*C-N#WY(l}p}E6#yRW&;Ss@ZUq3%-2boESRnps
ze1H7<_{s5Pd~Cc|JR18Y_HpdR*zK{?Vu#08#iqsj!}i}d#+$~S#s#nxP-`TNWyVzF
z5Tl(DGXl}?q8~@!j6N&00WOK29z8a?D_R*Xj4qB&iw=WEKs53PED1anxi50P#v&I+
zPL5PZ7DOgRMn(EXIz*a<|A0=wo8d>XPOvY0a(G90Q+N%|3{2P8aIFA+mOfJNt~b+u
z49Bz&wCA*Y*e~oO_M-l@c9nKAyHCGG+rci^_h}_;uYR01QyZag)w-}fYzte-rmz86
zUkJiN!MmvIgZ~cJz`+_gSOW)Z;9w27YoL`pG>e{vy)^4sTfCPqaf&rmYk~0}JOQFO
zmMZwd;XQT&>Gg!b-8Rv&-gs9_d9b;N>(;Bd)6ULXjl9EN?{zIn-flBm>J+!}l|xZ3
zdvWsC*79&7`Bo@z;S0Qi+c6gm+-#>|t5DozXJjo{-e@z~tCly|i`8z;iR*1vYY{MT
zon0S}HOp&lK6~Nv8oTVi)yu1GZfglMa1~!OcD%OJ`HGQyIg(F8GfmMXku9J*|FvU
zRS|2qz+U$Z?6Z?=bgRM^toa(Y)hAAi%I(r>w{9t$zi;1qJbzt|_g}{w+5hsc1YgJV
z$?<&RW6h5E#NI2@$K(!aWrx7oyv(+Uzsco`X>tzNbI9XV`)&OnUBBicykkniYsWE!
z?Bz|#?ii^K@`Oed8vu`;J?hP3}
zucgT^&(&Vm=e1@Jg(vXL?8aWnE8H4mQB8VVcJ>(~c(1rF{C*n2RpF<>!2vtYzV2jXwX?}(on-wN&j!O;HyBKD-v{x3q%
z!G8y9;9w0Ltbv0yaIgjr*1*9UI9LM*Yv5oF9ISzZHSquQ8t9zDjWk0U3uQW=C~V*U
zI&x8m6z-+5t$91vVjafSaVw2&T-{nbw1c~*a2d@|%bvJ*$8
zYpLE2ZkNI>GqwSCd$Gz6@0P+HGqxdj-*S}A*D-|)W^7aJ&J}%|h0p&t1U}{a|Igw6
zzl&i>Z(V!@_W$3ET^rjGn;z?A{AGM%Jd1t*ea6v7g|XBaYjigv(RZT{MlX+U$Gv}J
zqU|EzM&69v962vi7ugtD7>S4f6TSz#`18Y^!i;^(US|)pYuKr52PuG;e`2UN?gM;HeMr4lJq>pOOjUcT
z5#@g6TxF9oSN>dnT29JKr0=Acq}@`XBn3YTo)oNv4e3w4U9;_maDcVJjU+*djpwIS
z5+x?EmBB+xOA(q#@K7uiii_i{YgXv`J6wjsuQhY*>7lk=-$*gKFG(PD
z(V_zt!&(DvBzKDindYc%OB%_v#mZuYu2^xPOvS1#44mWqaU=OUxY)|TA8Olm*|QG(
zzNDy0&ueMiHj=N!f=oYA+pcXS(~pY^5n5Pypyyr3ud%|@7Otz@o@nfm-Ha%}ezonI
zMhfukvegJ(vgAMo*p$F+POz`vSl%`dvb|kxyQ-0FZ(Fw#p+!Z=HfXnTSi0YV>n?<8
zeyhRL1&&o^RSEtwtvWw2CtJBpZF87af}pRLE$zDkfqnXj0^kHhSw$f%VhPQ|q{quv
zj%J;ggS!)~sG_)=D~n1B#le{LFSc?Jo4pJ?vu3#-i7p!8x69#T1H3*cdGSN@)^lVD
zW-I%tZI)&)eBZW9?7$#hkyLF0TiK2EUyRUx{X{{=ugAqz|9XuQjM&z=UUDW)A2+PY8VdZ!T{>N4}S92GDo`aiv5C?l=_|Fb&rsmJjz1G
z6jt-6W}q)*YNsincj$n}k%HnON~_CC>>q4FaGlz1GFZBF5iFuXQX_W!1lt6)%OtRg
z7A%Q9-a-t@Tg7EX^ouPB+{5}z1XHhGA}z6LE7Zi1V3pek<||mI3F)%g!S)ZZoXUES
zx6%s+c|$C;>)!2S3wp7hhA(IfPa5a|mH(Ss`ZGR~E
z+QCpW_$&*m7P19#HgqJyhYn>td_KD0G8jpoQ^fDvTE=hPs?J1P5YzHUAey((^W$p%
z@C@{MF*Sc!2Kro0%^#Y9J_qz68R)aood##1&(hWWK^f>XkOgZ1l;2x3s>!ta9=G-gvq8uV{N@?xqmX{H4D>_sHH~MWkIYp&#X!&gu^SO=t9CQM()h=2L{L=+M8PH`ASq}`
zl7$!{Hg7H*;`Or;f!~Y)k*pC0dm;=*gfEQ&;j9q`c_Iu#gg1-_@ZQ>565Rn&Ojdmx|D%F
zG*`_JW}pviq4N3viom^r_;vA<;yvTx*d4L6V>4rYjr)y@jP=HJqh0jV=yTD#qZdP`
zzbd*WIyKrqnjiT&@=oN@$n}xaBZo(dBGV%U;ZMW&hxdky!kyXMnCq9bZu*D%<9bS8
zp?A}x+S@qEf3{YuP13rAeh)n#x-e9Zd;W6NuhoauQ`92Z@{cQDD~~HTC`T*Pl}_@1
zZlZ#hDMGQGMkt^)pF@t
z94^Hg!3NxZotetENUx|9Qd~+JH;!VPd0QG*{MvfVTyULQwg9BDPaU4(64lV5A`RT|
zzOAUb#1ijuSA9()6Adv>RlBCRv_;*Sjdy%J(m%nscX)~mTV@6&iE4h|JgK-9iu9A2
zXo$E28E`S|KpAWwn&M*D;KAYvG9;FPgya)Qo{MD%O1@-Zic4t&28iT~E30<6O79~e
z=~+mcOK=BDdgkC17w85Kq>}TGo-6GV9|ehzLE>E8J5b`I2c)?4XAYwkiEXZ=y?!Lz
z9tm@~@IVQ-8=m4~qWMCLYpbCGXc{86iBY|hsZYeHzQUbwZe037lh5XiS$4~G*thP&W
zv6I#TgSdCBrY2Eg0>Up-d!)EnY09s->bf*hfxE72DyyBp!Fd{TP_zoYqXQ`c1T-r3h_&i*!=-EHOb10sSOP=W`v#$H*#W8RG244@9
zmCK^(vYL5S)RwQqh+*eVe#FRE`=z)@YECB79HL4*UhoIifhjJmn%y|fU{->Uz_tXw
z!5id4Yx)gVR23%iZlHjkEVO@v^G!S_7hluQiBPMWt)Jj~9BqcnvSynxug5k4;g=W#
zQe2ib>%qI)hxQYpaA;+RefUg03@Idxo$OVMM-h_KQ`jVs;C^^{pQ
zI#Re#os#16_M}N7g|Z61be2p|W8vR@^O{cHTeAisojcW$DK4LjRXHhGRb2^#305+s
zgIt)Ah`86|9dH@m>>;eO
zQXQS*GXQgePkcJfvO>tnF3yQnhc2&kW2qXtGGZ3`?e?+CL2AzwpA(o;xHGuWt~gi-KY43z$?IS#8fTC<$rHL85ST@nMD2#5c&B{M7|iMm?fq%3H|GvBOsI1pTK-D
zl}YR`X`!}F1(1iiCWj8k7dcH}#fPc+doq-u7_*BbGSJtdWVE3ku^bQnYW
zAF`t`SE+5Q8Y#?`vnmlfV}`3R_8AdtzAaYvth_UaBCDg+wiS(J)v%}>p$itcva03c
zhm{SC=3w&y=EN#1itR0|>>S84skYtRNS4*bn-D5?&(b@@WLJrgq?Q$^lEMmWPphz`
zsHVtz(gSm%2s72T8yhLYj74Ssr_PixEyy>PwYg-!GB`@i{}%wvtuo==YN{99sB)5j26+)qmM-|jW$HrMn^^qB40%wjGP1hNgwG9c
z4=)Li4(GD>*qv-Eo6TbSNBVjCR(-KPLeJHH(;m}~*Vf`jzqdjc;5NVUp^*9(?(sWD
zO{o1;S$SQ#NvT%~m2nDe?cpZAljV)_cv+I(ksgqalV(cs;DfbQhqN)hO`B@nWmeN7yz$VO*L$eRo5xEwNXo@llv
zCweGE21o(epnx?m$m?iL&ZM$4Ak8b)Idxnz5nG^A&`gtyccqxIK%6w?dsm9tf|1_w
z>WDg9LJ3;w*+s}$EjjQx+|-wt*kYNo-AaR9I6hgr}^u4|BSMxeG)jRF3@vJj2+i
zIxcZo%QE~{jD0n&wd0bFEhW*^og#igACS9%9FG{xl~bJeOC
z3L-GQFZLGkaovnHvJ52T&=#{fE+1umS;3!JpA?srn)I@QKVrFrOHp0Am@liQc*AUH
zNbr|r|EvzauJuT9p~|WPb4iUanV_SHB|WixQXPCA3yNIKGKWPj)N`iN&5$HE;~nsU
zBm<3A2cNgBMK(L
zf|IxNGSoFjNoOP<8SziY)RN0@=G3y#RCuVYt*NR-=c`@69_uQb6YFcThai<>u-wZ<
zJ8OJ^G$kU6&MVp{7dtXi5&K9qE-w0+PwU*$cK!zE9!w6otY=ORae=b<9?PWE5SSAF=V&uSuEi(s%@DWC^&=2s;Wz$kzn2CV_i#hhvTw`HKX$IZ_m#Yr^4yNN>a~aEg*N~E`XplyRwV3pw*T9frMk?}Y
zfqXWk^KtSyf3xbqTWn0K6r5Je_CFhz?yyGadt^>V{8y3F`gBgtmgM{m&R4K(kN~II
zGMq&(O75sA_7M>0cGfLbf;i^Vjf2JU6MW~h{8Tac%&Bb^x<3D7)#a>XY8?W^>&13E
zq$HTAtl44zVAY$|_NgMUh&GZzouhgR%S){liHkKS-uL-mb!)9vst|Ou;S~xE6z;&*
zlg4JG)*x)!G-@*CQ2r<^hn{Z(R!vU#nLWLv(rncB4`enT
z+ii=%V{W&R$xd<+DyyARi_$41H&kvDixu_{wnh67cowF4Y-KI`2Y7a2xpx70tX54H
zNqK`UPyYnpe6>SrKKRT>hrlQdomvQvuHcyG;3(Qo944|Yp&!99H_cJBwN!9e2#&|p
zg47&vn4>Q*2LD6IbbJS9BgFg;l$GPd%fEK!;yOl>(nLlg;&#I3;w;3qHW$qSq-I+s
zZ~8SGsuNg*Ma^0xi!T6aw1O-!6KR;TfSpx&QN<2ZD9%JY5um;V=M+9fp|JZ7^-FWi(UH%=*joM!($plxHKi$&%~s&^`Vr$^$Vd|r!~Bw%99}i`EM&w#4nlt*
zaFaYM5dR|nO8jA106aThhdTh5$0x=6%WLIX@q&0D_F3$O*uAmKV<*M7#tLyJU|_6u
zOg6rRHNdBgdyK1$GmUyWAejj~5x<7h<^g7%Pcucf5S{z*v9T)8v
zZ4+hC9r!r%V&vh-O|S!a0`3JYjVysBz=5y>XoPCC$?jrTu+v$JRkGD=78}WWusqx!@U8x?{)~RFevN*%ew3cni}ZQ=
z7`>0)O4qa>ad+VJ+JiV_aK3h&woOZDi?j*a0Ii)C!D)m4gkBE)D|AcfqR>g9ouRVO
zve1;!;83SfT>Vr1LVaC*94i%Ck8xJvU(&78CDLALk5nP8
zmZnRCqz+Ov_-pW!;0wVAg4YJm3Iu}hx+iJUG;W>6L!0cU1w(#X;16!d#2vS@pVZM$
zYU?Mp;ucW6yIO$@xUms0bul*`FA~8J>jFA>Z8o@QTlr+xsUlMm-#5`eUyb>N{){w
zr^LrI*GGx@D7u%@;#VK#QXl1FALSSyWtorC*GK8?r8M`|PxB2v9^bP!_dR>_b-q|@
zeUvpm$|@h_Fdt>Pm(uKSALUOU<#!*&SI^CU_VN7aqkQk9eCwlp?WM$h&lR8VLa<`9?@==cP
zQnbxJ%0?f>*LpQy>(zX%SM#-A&DWc>CBD2C`6v^7lyN@F7$0SnkD_`hq2GKI-}?%^
z=i_5UE-;+w`czJ@a`Y65;J1ES=IwjAbPxcE2z3BveU#r09KAumw2}Wniqr8MZUP4c9
zGS(JQtyQ_4Co+>C%}oAhX7YoX$@gU@-;82b{YHI9JyzX{8}L2|J{NodGwi;4
z8$GQ3s(q@xie3I&FvC6;dj9LQdD7~L7&
z7+n#a9vvR-9?gp?xC8Nn$n%khuxha{a#CbhWK-m@$c)H{NRLQH4qw=lYxa)B64Tjrv9UUYw(-&ZPR_9TwXAJ}d2UNtXMA-hQc<
z(r$o%%|P-^%L;s-hyvdyqTpI@+67npD8e4Gdo@D3Ekg-}Jz5Xnd_SKu+E0_;&Om!5
z1MT??w7q_s^h*ZX4;g5Wi?xUH%HmD^tN3PY?ldo9s+Ta?OPJ&#=tp}AFdL19m2@t8
zu9uMGB{cUEnt2H^FTwBVtW=OxVc5Tf3}D(d~vMb>zt
zL{@tVv%G|vUcv+~VZ4`csFyI(OBn1W4Du5CdkH?NG&B^>W19P1@`
z1=MhZm!r;0*yADS|Me2QuTuZm%khDi@V=Muo|o{Jm++>S@P?Q0s+aJhmq2@z4sqPu
z=ydO!)4gv__r5vZ`{wjhz1g1PC3s(@?tPWI_f_i0^7H?t-2UI~@tXLM*x#`yVpqnF
zh%JtFHGVN(GwwFd!5M(%xaThv{V4iRSOGX9x+*#-8j5_0+x(7?6h_8Gnuos*?+@RK
z)Bh#miQ&%SAbXeH25Wy?*hJP*|3QC2zg0h7-=a^^yXdm^iS~$gjiq!!X>kM~=
z&JJx4Erp#wUHw#j6g%zP)FmnmLn%KfPbgQy9zdxwMQJ7fEWav0AYUL?$#doY*hha^
zx<)!iDwXD9%_0zd2TK^|2Db%g1$zaV-}+x5(7ukV%(iPMG_>Z_ZmucAZO0ZSLzh95
znJdfMn#|b6L^sADgI@Y<4E5C~Kol$u9P
zowTo@tx!;|aN2}|s;?n6mjbG{pz0-TNF7%|HPzjx;w0wm%5912h4xv_45XyG6pz7m
zQnS>zx)2$2P1CH8q0Yl&a1GO@JjQgS#`Q_<)O?RI7WK{bNX`15n5Ze@e@V493d$8k
zvlTQSNprPOJ85ryt2rnrR|0KHLBmLmD}vgo`3kDAwsl-1v`rh)FqTx5;h0Ui2}$KW
z6qjp*W+|@nCNkj4pmqk{;wrD9xLhr?3B^@jL~2}3)K1M?T;*95mn(mo#a)(wdiUnd
zCM1=cP+YF=nXS0jAp@@CX=mUo?$szR*Y0deaW6w^T*uQ+%~#xgtYaP5>+H~hy4{Ad
zMZ&JhB34X9zR)oIr7
z?4qj8Ma2mdlF9@Wmn(E;EAD7yz?C`e41C2MiQ;lK&ZZQ%8&Y#9bXuqEEo4chE$dsy
z6*~L$5jDIRwim@5c`jOU(Pob~DSwLMbM4M7#g{)shFr%pYw_jxP<*b**@WWDFC#Us
zv1zB~t!?>P*1C>sW(rGPQjkhbZc@G$h2<)l*$R6llIO~pcJki3mM=qLxq4+&3VR_^
zviKFq?+?c}|#Po5!1!N22&+!Je)7Ly_SaXNJDw4?^)rgQF?M?}OAv
zIaBi$zXxkycc|bHEqh{FMP)h8*I1a8H57Ox7_t>uLKY*OS$GR9{fz<-2S*bMEIp3Y
zhB;I77FfC)ZFwj-%(gsfLuFZUg50EZ4hlO2fmsSGor2^CJCpYn_CyqR5ICAr*aoCF
z(3zUAu!pmrb%%)5MD0#CPafhFM_IAUla$tJW9kNg)zst_(qoC^_%@W@i>fwcA+w~^
z0fp(GE=)-xQN@iiSO|_>R#4Xu9H!1W59NOdVR-1iqL_4WqOckVV!4&atwO?0d%%mT
zsp|t?^AG_9;F{`MXwVa@{ToMSe@2OVr%MD*i%TFl{tJ#?E{-Z__j93IAUNI!M^6_A
z&WsBVf#Bf6UJn;XvUZ)|5D1R_;OOq+C@Lut90I}d7@nycIP7OiKXD;H8*EkuIPYiO
z>bio{JVj6lGsE`7+dsi~J8M_h1$=fxG#}l1^6L=Z*%@v=xb@uo5Z=idZa%j4)Mp~R
zqchxmXzQ6zM0f{hxcSJ|6W8O7w?}vrnmNv}^{c}+v84g;+5Yx;@$7qW^s+7Z&DwO%
zgPgy?xem422ApPXIzk;k!8aFgur>JXG2PqIg0mpdw*rSL&@ZZ~gaHuV%jOqV!wM9R
z3}hfBgX6V9buAH%>_Wh9L)rHJyowN`NE{jRQ&607W9kYJ$?U1(Ad0i6;$#|(X=EWI
z`XTC=y8Lu}@u>dzS;&arTAfjshxq0(r*)Mz8`5Xk%hto>L4qHTL%S`iX*3XN8RGo^
z`oPNp?5f`y-y5%rFNzP0tFaGb|H2;n@v$|r(XqD1@5bxcGe5!DWXw1E8&dSW=tI$q
zqPwBfKOh>9d>(lsasliB9u^rM$%Fp>>A5)fdIuybG!U@05U^7PO2yYv(E
zGJS^LQTt1KK|4*W(&lSjv>^2FuM2Go%?tGl8PK-B1r`A}sq@q>s;0cJ+@Tz&EKz!3
z{{Ia2|98r(^+V}F=}hR(4-Wnud^va*=Ki~btAj&>Z34gIVLH|G>4bR@rFcUb
znf9}Pux-J=SciJYlwzIv-LnuJzp;XPKBX{+OB@#|;(rMFiFK>z6A0@J7mk(J!ss4O
zmEoA1^%H#GvUc?}jS$0Xasy6|Zcdnh@Gn@adOnXZ&$6xKrlEy{uuoWXx
zCfhO+5%)&cqn=MC%Q3d;($~
zYBEpK;*c4RecK0XEid>r)~B9NN6ho-E`IAAF0rE=fuGsHdOjgB51rBzJ1W~pK%7rm
zuX;X3F+WHcztS(q$GleZS8xP(zkZqLf)0q?`COFf^xmHF@!T=(YupXF2tJ@{*GSi82^mICmQUZ=0!2s^`-b>!`bV@UN&EC)2r&
zKYR_z1c-I=&mY2)(U97%o=;_Lp~byQ7x^14p3hzE&#+f|j{Jdo5%u~!%wsB^?W+it(%y@
zEGiQ>g@{LY{!WIE$Aj~^P?iS|*CQ)F6SC{s`{3atQE)y1YD&S&*?@XJ*)b1FTAvXd
za;@NR#p`Fu@DilXCqK?!TvkjPoT3+79`G(kFXYo9yR5!ynZVlC^GT4oMzN@@w7jyc
z#Druxgv#JEpKO(ZL7?6}@9}IVus=~;KJRHlW#CBU$a+2lGC$^47w6{1aCljqJhe~!
zx`-^vt~5H-yXHpTM`ahWvGsgzWLoN
zWY*?f&d=kUh(ZiPee=nZ$uYk&2^$|<6BdGlVPtYmm)s*0lTo33x@5mGZ|h>{zx8~=
z)PxGvF{P~MlP5bhZ>8w}Vjb)G^vPUtomvT-QF!|m_K&1~G1>s1HDzf7`uWI&&yws+
zyhYZ}L6Q0Fs3}FpQbc{DGbDX0>s-%gNalvpLYNn+EazoT|H7GB6q?V6vK4w2vf)#o
z?1f%|Li5Q@QwqHVsqu-7otm$n=d$+oxq?FsKNHpoQ=173lloW`I0p>b3Oo{7v~XtO
ztL0%RaC2}prNFI_S~F*Az5=&kE$idpD1Z(x>?qCWn@Yk-Y9FJhF$85Ps)nVGdc&Ex
zx2W1XC~6cOO(?4NEK-X&Q}Y&8dmMEe792FR*RB)iRu`F=gd%sldIpAU1wIQ|=*}#B
z1wI`G*1*w}0@oq6kTW%3fp@apdKDZ(^pS!SN=ooQsm(<(6_B$Pa|#lcoeBGjIT6K_
zz|oXq_CRVuXKKD;c4V#V1K=OL5({IrC>8I#NV#j`+zDS>}
z57oQt1-cF$|If8IwWqcFwHvjIw7ptNtJaFO#o82Y820j8YAp0y=nGi*dnWWi=%&!c
zI6F`mN`^{8OF~m|dZ1^hRVb|fu70V$tv;(hsNSqzf*bwn)tdN=@kio!#IJ$yEArG?3~zfvBP7VVyj|vVq;?iVjW}6q1FGr
z@saVe@tAR!akX)-alEn9*lese<{IOmwb03E0nPp&q8~?Ji9U{746ccu7d;`mD_V}5
z4CY10M+ZhbM{}Uv|6}Bn$g5b#xF>RLCB=r+ucOo$AMbcy6b!~ZATY4}?B
z$?!kI*M%<#pAN#>$}P&J%IQjjQmd?2mf;SBkxFl+
zjS`jrl>aNgD?cYcEZ-_$CZ8c6C2z&O2+QRe@}Y7cxvgwSe@S0U?@7-~|CDZ%F2}0K
z(YP&PgR}y66GusX2TIauftLPttX4|=gV5J5(MP_hh1^4OlY&l?ONFrD1-I9&j9K7T
z#w^(9X1>7fJ-L`P_MYhW9`E+{c6)oez1`j3u5NE-NH!hC|!5przZJ@Al@py)E3{W^QlH?TxyndNyx-j3U)Mz+dIhZJ;d$p@Amd}dwaXR
zJ>A~!Zf{q&*Dc89wsD8Ha(msQS+09D%XN=tx$e;{*FBo$x<|8I_h^>O-1%y5uj=;7
zZg0@#&3WAIeZ=j3*zJA5?Y-CSb+_1@JKUje5hCX%cc}YYmg8=*Iaj)wFL!${b$c&z
zd)@Q?Va!Ty4zI?cRy<3?nf=$BXEmNuB2Klae146=k|W-_P*x!
zc5r*!xxMZd+uYq^r7v8}(r1|e2QN@Z2XL2_@nU$yiQ*h$GKE6A?ExskbDV~TI##caJU`~8md_sIwd}w??ycf>lw}Z{V
z=J5!$2>y=!8v8!>RqQ{p_hWCyUXJaLJqf*n`(t;-Zi!tNyCQZ`?A+Mtuqt>=EEU@s
ztBqC0%3{T_)i|@iAT}#DB{nWLGB!BYFV-X0Db^;I7mLTx4~##JpK+4^3*%$sUFape
zXgp&)Zai$ar4KAanw78xHIiIs*vk*<+;uqP0Y=#gOf
zxA6DjFT)>)-+@KM=dkkd&+xtB+ru}6uY`?(bHb;Fj}O;}cZF-i72#5>M63ue49^Nr
z4vz^B3l9kQ40j5*4(EiUVU_)bm5Fa)ao_`N6}-frVUMu~+1>0Gb}hS%UBJ%7O2sj-
zK(K>VvrVi7HWin$d2BkHzz$`DSzoMNw1-84W{fdO{~f0}zS2K|rN!6u=k=%be_^%g
z4p=C-O21e?S3eEf9S!c?T>cjOz^j>;rSc=Hi4Lzj&t^J~X
zi`AqLwYRjFwP&@*wTEy&}X4q<6qb-A;$P8^FEJ_T~
z`f1&@4p?n!u7x!@^hfB&(0^gU@jaX*c_H-g&?BMyLw92J>FUrWq4PqghfWL~6*?lc
zEmQ@&j_Y8@VsU5=R-?v+MuZ09#7UP>+Yn@fkQNH4zpCHC+T%x9oq9#xuRei$DgU9~
zre3dJq3%=9R`;sMsdeg3wFWjI*Q_^Q=O!a#z~d_Y7e!e+6o3xBdP*R7C*r<
zpSNwXDBD(M9Us!J8WERREm{V&~2HkOjE{Vy=Rcp
zN9n4xQ}UI#qANkzz4%`KQvO(e2Pa>ilb@9TDc>vKPF5g-$8HP06q19|w&05dFAzLW
z@EpN@f@cYyA$XeL-vmz)JW22b!Q%vv5j;xp2*JMy{z>pKhh*>}f(Hp6Ah@64K7xA*
z{y}gL!QBLR5!^{|2f^(Gw-MY*a0|iB1UC`fNN@we^#s=uTuX2b!PNv;5nM@d1;OP6
zml0e_a0$W11Q!wPBe;;@0)q1i&LcRN;2eUp3C8!6^hM6P!eF
zBEbm+#}gb!a4f+w1V?AmxUbNKi(wfuNLNJwbw?grJyU9YGPnT7p7?H3X{(RuQZu
zIE-Kg!E%CS1WO5)5G*EGM6i%x0l|ENc?5F_<`B##m_;y?U2wD&{
zCul|xCx~&V4jKeef(SvFfDz~f8bOFaB~S=t0*N3<5D*afo8T{kKMDRI_?_T4f?o-K
zA^4f#CxRadejxas;5&kE3BDotn&7_#UlDvs@CCu=1fLOnO7I_oPY6CH_=w;`f)5DZ
zCwPy;mcY9N?-0CA@D{N$>>0;{=ZpJWB8g!M_OpN$@biLj(^JJV0ex68wYU9)i0G?jpF8;0}V@
z32q~}mEabFn+a|rxRKxng6j#cBe<5}8iK0{t|GXS;0l7v2`(eJl;9GAiwQ0w*hg?7
z!36~86P!nIF2OkjXA_*op)znL!5IXn6P!kHD#2cYQwUBbIEmmyf)faiCpeDaSPmNl
z$8abM9L-@v;3y8Ifd&ri1N9sdfjSN)ffR@0z>%sP3>NR$)(W>qxJltw3wMiftAtxA+zR2A3wN_{Hwky6aLa_dLAa&D
zT`$~(a7%<+EZlX%EfVfp;T8&ajc`{Bca?Bg3imMKt`P2W;Vu*IQsFKU?qcCC67E9o
z9=1TZ^SQfXo^a=KcljLdE}JdfS=?PZle0P
zf^f$Rcbss?3U`cfM+GP|s9P#_fJbsyozb=<=7StFh}nPo1t#P!ClHt9{jO@n7TL;m(1N
zu-foSe1H52+&%CQtTkL8zaqX5ngDyT(oh%Q37Z7v@%30|SRP*xpNTsOMq`zsf4oP$
zW4smY{YBzR?9bRwv9DvFVuj(2*o(2Jp(*eH))#J$T@$+$HUQ7S>cY{nJ+bYvEwPPQ
zTUZra5}O;F78{S1g+Z}CunX8OmXCD>Jr*>6gC@b3SXFq(c-45$c+&VM))a2XxrZx_
zi(m!eRA?5|8@r5JqXO#*YmF7gLSvRO8LJ7yi~&YZXd1M}T0#_eAN&>lIr>fXv*-uW
zH={2_pTW(E4?^?cmgu$7%c2)V&y1do8xf9-?ub@LH$_XLtD{Syi7-7nA$n+ZaI|l<
zTeN+&AlfX-qEh7d$Pc({@sr5Ak=I~*@TthZBKJk^h};;tDsnOIUpx)BCp17)VQZu^
zvLRB0^B0REvm;X?V{s1SkVvmc=SUl9E*Oze`0wy9;cvsA!$#p-;g`eD;)KRS;d@}Q
z;kxkU;S0lO;iiRS!>RD$;Uw%9Cc1<{)M
z`!D+s?s2YIX@b54SR$$c|!1ux-$MD1$}Am25Ga!=|!vYy=y~
zdb2L9E$(WF;ijGdEF6BPe}P*f-_~Ez_v=sS59|NXZ_}^WuYmT+*|2zcoL;Bz)NAx|
zeZ5|&FV`37GxbUOXlSGK*L&z4aj!!QJ)$expW08_*V?Dr``R1Yi_lJaRC_?XOS@US
zM!OU$OlN2(X-8{&wC&m!Z6mZ*R%uJ1F*HpZuZ`3OX??V=xC0_zi)%Vgq5Ky5KJ;bi
zyS3}Q*o(%mnbZ_YP&<$#PwLopAGF4K3hfRvFluwj*mDiN#m8X<{Dfi)g%8j@I
z;$qmXJWV+P`Ww5ItxBb`K`BxWQx+++VY_0iGF&+X_d;}rK1Z%%C?WYT`6v0m@+X+t
zzal>?KL)!Ncgi=)SIYb3vm_~yl21pcJSA|XT%^hHA1SXjvCzadCayMdm5D1&Jj}!u
zCN4K|nTbnHTw>y4{uSIKFCth-uz+Ab!90Sw1ak;x6U-u*Nic(8I>9u8sRUC9CKF5|
zm`E^zU_8M%g0Tc+2u2f(A~=*_B*6%R;RM47h7t@R7)&sTU?9OE1Oo{A6Z9kKOVEb{
z&eagSMDQZP3k1&-JV&sf;8}ua2%aYRH-V5lw*`gVxh*K2HF+2>vAagWz|9-w1vs_=VtSf}aR}B=~{gdxGx>z9smE;A?{a5`0DQCBYX2pA&pW
z@F~H62tFbBnBXIV4+%aXc%R@sf_DktA$XhMErK@*-XM6L;5C9*30@%(UHb@0bnV@e
z=-Rs_(Y1F=qHFJ#MAzOeiLSj{5?y<@B)ax)Np$VqlIYsICDFBaOQLJh>$nFMDLoKA2W!Knm$2~Ht6ncyUX6A4ZrIG*4*
zf@2AeAvl`gD1rupdV)HF6v2@MdkBso*iEpDU?;)h1Um?}6Ko^cN>EEsLy#n>CfGty
z#bKvZNl-yhPOzC^6TwD;GJ*{Rr3C8<5(Fg##RTgJiU`&c6cVf!6<@5IqZ-|5{w`i&SASWj9@6i5Q4!3g9ru^96~UFpg)IgQa^&e1bqm4
z6Z9hJNzj9!J3%*st^{2OIumpv=t$6kpglo5g0=*02wD@gB4|laK#)(6N03X9L(qbt
zIYBdmI6;iSAczt~2*L!6Kqt@$LIf&-LLd`J1VMs;fZ*Q*e-Zpi@CU)~1iumdO7IK8
z&jdda{7CQv!S@8;5qwMV4Z+t0|0Vc};7fup2tFtHjNns({}6ma@G-$h1RoN7K=3}n
zdj#(iyhHFd!CM4x61+k1I>BoMuM)h%?f=aPyb_4N1q*-|#~b2n;}he#u^({b-;Fr`
zzb@9>_{q4>IL)XrmSU#cI{FLt#!rr}jUEyWM?Q)?f?e%nG5eewQNpi;?+c$6-Vi>7
z{lso$>se?0IsFK|r}mn5qBbb>TIkx);i1`~W>_uQs*X^;#GGlfGEDvsGoP*UA=2m4
z&Cpu!82l)BUT}V}HH!4V@oz!{KYwT6gK3`4PTv?@Q8jSj@Iw2rwl{!nQ^%`=8~7PL
zG7S;5j&-Lw{S?INsZML)=k}~yi}}&zLmeg(S_E
zW!VMr1t5(ZkOn`x*mxRv51A7eZ{Y;=4Su%K>>GYgKLt4_)qxHC#G`2zz{}&ykiYNM
z>Wl_{2GY9HnQR)^&t+OSFk4__fk8Hoa+FNWC@sJ3pjpod@nS0%qsEQC-L&2+>an-eqOZcDWk#;m@?{5eh}@GpDs1qXQPoC4MbWusdF0m
zIaKQgWh#K%z>D3otny_GMtb|yMGgG$>VgGki>=s-8{LJy5IDjhLV|zU>@2)0ZNDD-9Sg`9WH9yv!OQ
zYXH)y!q<-vh&c>jE`Fld{BmW8nSq3OOzqLYPxqR}JE-B
z_?9NN6;{-iSHW0OMJbG^?10UnM#7NN{U{MX9Bh{8@Up7){0|{_vvv*qP_TLKcN0jWw2!?|W2bVc&+hO$9
zJznr155qw_z;C_@o1wI*yd3t~%shk-+%;@?{dRC$(w!Ba*j`mxk*KJFVM;rWgNB%E
zP_Atm%2ixcTfAY19f`c)KMb|H75t{@f$Ac>+_KUQ7J_3bOxe_e!!%_B!+Z&Dl`v6_
zu!X4c8ibiOj$7!tiBb~~J{N|ck_a~qKUEb~Cu%CmMd(a~R;NR$>c~atRG7Khf>5*l
zS5(5NR0U4vZ!TQ#{0+_tsI4k++P&E3v<;m(V%Rjq90LPQm56CdVil$-jzY`&nU8=t
zBiYdU3dAvcJ`54UMn@4^P)))dY%-7#Z!nBkl_Q>Myh<>UjZw!>@C{&{>NkVWG>^2o
zvNQ=hSBa$k13Z1ev&qFn)dn8B{`dj?jo>lgEP{l!O$(7q7rebPaF}mzGua+C0pT6c
zW;Y<*Y_l77z^Yqmq7t@Zs>{%roIY^3#@j3fxB0G1Ys=RqHj|6ce3W=SLd~bLld*q*
zrv+MC0z76*6P>~85i!=hz64?MxcEY@=VM72HChasS)-1Q;P?r?5b|D^&by?H7k_i2
z#{K~wiShaW(!d=7+^BafcG){)Km9T2<*$$RFn%x|#fka_Mpx`*-x)nAx-vR4szvrk
zYO&KiB9a^aB>V*SkGF;whYtx$>{;lO?_$ew);$F6@GJES+zi+Zd$AX26knWSt$I97CX@t}!_)GB3
z;N8LVgWH2EgTsTZ0zU>`M`1f1#Rt>umb7*SE>K%F@B!7V)NN%YH5-J(b_Gslof`O%
z+F1O(YMTZ=sG6^J10Nk~$VCcAAq769HkLwz+PZ-cs3L`6aL1rR7~mt9?b^yZHt=y&
zBmf-{>oQLJ2isMP_AJ(OTkAGddz<>#Kb1G{qO3ErqCsuBE{M;4OIyCUH&KwUcd$<;|oifb*
zH1LtlFo)9}7(hzl`MAqAJ{KQOH|U5jV3`Sy8y5vT_p)hczCI
z^eRvyK5m*N%9c4r}R0S(7;D#Q*zJBn>7GwJi`Vz@bTMR>EN;>in0w7
zSYdKQQB@-8ry$l1Y(N7a(M|JYoTs>Qb8UG=VFirQia1U`V!+;S10UzjZxV%~x9~_w
zgzv?G!^eElU!+Xq#ZKuIwOs=r@69wS)`?m(0cq?;8bt?4V;6?awcs&_%|v-s%?{xp
zeih;u9w2_D+M!_$c+9?Jbyf?J$~rcrVKq2ROT80$SDR5W!O?#*kakKF(2Z9)6HaWW
z(SQ&Mk3#WQri)iti2j%mSG1TvzytGp4Tm{X@r)@urT*-&h85sgu|ilyD$G!r`RU#@
zsSPr(rn~Hzf;NNU5yi{S@+@SR%1}C~Vy5(6B6BSZlm(DS{T8@w*l7hw!_A*`K2Hq(q9ek`Dt$VZK7@;xL2v2
z8s>q!k-ivQ37)xWo=u4zm>pEqB<&waXE}16)8t&2A;sD06m3Dl{(%&iVuf`UcucuI
znQ(lR%8RO!J_6z_LMdi8xfBagiWvte#R7~0)4^ko0UHuUH9T_*k>_0GIjzZg&Ox42
z50K|o^x2%vv@~0EcM_
zPK+bM*%^#$%NoWb$Xr59iwmX{!52BK}(i?7-H%Ri7)-#jEw~uz1MA=>0^3=jj%XN(C_*@adO!LC)-SQ`RmKfkuG^e|@!*U^wqvN;
zyI};Pim@aZbjNY~*p8O!;)da1UbILQ%~}<-bHSJg+m(DMg0bQnOeXP>C)unK7Pdo$
zFg*;(n!-5WSxA(S%eL=S`!)