مولوی مہیش پرشاد
مولوی مہیش پرشاد ہندو یونیورسٹی میں عربی و فارسی کے پروفیسر تھے، عربی کی تعلیم انھوں نے مولانا عبداﷲ ٹونکی سے حاصل کی تھی، اور ’’مولوی‘‘ کا امتحان بھی پاس کیا تھا، اردو زبان و ادب میں بھی اچھی دستگاہ رکھتے تھے اور اس کے بڑے حامی اور مخلص خدمت گزار تھے، مرزا غالب کے خطوط ان کا خاص موضوع تھا، انھوں نے ان کے نئے خطوط کا پتہ چلایا تھا، اور ان کے چھوٹے چھوٹے رقعوں اور کارڈ اور لفافوں اور ان کے پتوں پر مستقل مضامین لکھے تھے، اور مکاتیب غالب کا ایک جامع اور مکمل مجموعہ جس میں بہت سے ایسے خطوط تھے، جو پرانے مجموعوں میں نہیں پائے جاتے، دو ضخیم جلدوں میں مرتب کیا تھا، اس کی ایک جلد کئی سال ہوئے، ہندوستانی اکیڈمی الٰہ آباد نے شائع کی تھی، دوسری جلد کی اشاعت کی نوبت نہیں آئی تھی کہ خود مرتب کی کتاب زندگی کا ورق الٹ گیا، ضرورت ہے کہ اکیڈمی یا اردو کا کوئی ادارہ مرتب کی یادگار میں اس کو شائع کردے موجودہ فرقہ پرستی اور اردو دشمنی کے زمانہ میں ہندوؤں میں ان کے ایسے خدمت گزار مشکل سے پیدا ہوں گے۔ (شاہ معین الدین ندوی،اکتوبر ۱۹۵۱ء)
تُعنى هذه الدراسة ببيان نظام الحكم الديمقراطي عند سبينوزا ، والذي له أهمية كبيرة في الفلسفة الحديثة بصورة عامة، والفلسفة السياسية بصورة خاصة ، والذي يصفه سبينوزا بأنه الأفضل من بين أنظمة حكم الدولة الموجودة، وكل ذلك من خلال بيان الفلسفة السياسية عنده ، لتكون الصورة واضحة ومتكاملة، وقد استخدمنا المنهج الوصفي في بيان أفكاره السياسية ، وتتبع هذه الأفكار بصورة تفصيلية، من خلال مقدمة ومجموعة من المحاور وخاتمة ونتائج لهذه الدراسة، والتي توصلنا من خلالها إلى إن ما يدعو إليه سبينوزا من خلال فلسفة السياسية في إدارة الدولة هو النظام الديمقراطي، لأنه أفضل الأنظمة السياسية التي تحقق العدالة والمساواة والحرية للمجتمع ، والطمأنينة والسلام والسعادة للفرد.
Autonomous vehicle systems can be divided into two main parts, the perception system and the decision-making system. In this project, the goal was to focus on the perception system’s subsystem which was an object detector for road obstacle detection on the roads of Karachi. To do this, firstly a dataset of 3000 images was annotated with bounding box annotation for 12 different kinds of road obstacles. These images were extracted frames (every 10th second) from about 10 hours of dashcam footage from different areas of Karachi. In parallel three different models were trained on the Berkeley Deep Drive Dataset (BDD100k), which were YOLOv3, RetinaNet and Faster R-CNN. Due to computational constraints the models were trained on only 5,000 out of 70,000 images and validated on 1,000 out of 10,000 images present in the BDD100k dataset. The models trained had the following mAP on BDD100k; YOLOv3(29.47), RetinaNet(37.34) and Faster R-CNN(35.78). These models were then used as pretrained models for transfer learning on Karachi Dataset to create three new models. The models trained on this new dataset had the following mAP; YOLOv3(41.67), Retina Net(67.26), Faster R-CNN(65.80). Analysis suggests that transfer learning using the BDD100k dataset, is the most optimum technique for training an object detection model on Karachi Dataset