![](https://img-blog.csdnimg.cn/20200408111402336.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
计算机视觉:模型、学习和推理
计算机视觉:模型、学习和推理
北冥有鱼wyh
当容颜不再,唯学识沉淀;
当看清远方,唯家人、知识与我长伴。
展开
-
模型、学习和推理:第2章 概率概述
第2章 概率概述 2.1 随机变量 随机变量x是一个不确定的数量。x可以表示一个实验的结果或波动特性的真实度量。 随机变量x可以是离散或连续的。离散变量的总和与连续变量的积分总是1。 离散变量从一组预先确定的集合中取值。其值可以是有序或无序,有限或无限。离散变量的概率分布常用直方图或Hinton图表示。 连续变量取实数值。其值可以是有限或无限。连续变量的概率分布常用概率密度函数(PDF)表示。...原创 2020-04-09 10:35:32 · 395 阅读 · 0 评论 -
模型、学习和推理:第1章 绪论
第1章 绪论 有具体的证据证明计算机视觉是可研究的。 计算机视觉近期迅速发展的两个主要原因:计算机的处理能力、内存以及存储能力有了巨大的提示;机器学习的广泛使用。 1.1 本书结构 概率。涵盖概率方面的背景知识,包括概率概述、常用概率分布、拟合概率模型和正态分布。 机器学习。介绍计算机视觉中的机器学习,包括视觉学习和推理、复杂数据密度建模、回归模型、分类模型。 连接局部模型。介绍计算机的图...原创 2020-04-08 14:48:19 · 141 阅读 · 0 评论