计算机视觉模型、学习和推理
第一章 概率概述
1.1 随机变量
随机变量x表示一个不确定的数量。该变量可以表示一个实验的结果(例如,抛硬币)或波动特性的真实度量(例如,测量温度)。如果我们观察几个实例,它可能在每一个场合取不同的值。然而,一些值可能比其他值更容易出现。这种信息是由随机变量的概率分布Pr(x)决定的。
随机变量可以是离散的或连续的。离散变量从一组凸显确定的集合中取值。这组值可能是有序的(掷骰子的点数从1到6)或者无序的(观察天气的结果是“晴”、“下雨”,或“下雪”)。它可能是有限的(从标准扑克牌中随机抽出一张牌,有52种可能的结果)或者无限的(从理论上说,下一班火车上的人数是无限的)。离散变量的概率分布可以可视化为一个直方图或Hinton图(见图1-1),每个结果都有一个与之相关的正概率,且所有结果的概率之和总是1。
图1-1 离散概率的两种不同表示。a)表示不均匀六面的骰子每一面落在地面上的柱状图。因为柱状图中柱子的高度代表每面的概率,所以所有的高度和为1。b)表示观察带到英国不同天气类型概率的Hinton图。因为长方形区域的面积表示每种天气出现的概率,所以所有的面积之和为1。
连续随机变量取实数值。这些取值可能是有限的(要完成时长两小时考试所花费时间是介于0~2小时之间的)或无限的(下一班车到达的时间是无上界的实数)。无限连续变量可能取遍整个实数范围,或者可能是仅有上界或者下界的区间(车辆的速度能够取任意值,但速率的下界为0)。连续变量的概率分布可以通过绘制概率密度函数(PDF)来可视化。一个结果的概率密度表示随机变量取该值的相对可能性(见图1-2)。它可以取任何正值。然而,PDF的积分总是1。
图1-2 连续概率分布(概率密度函数或简称PDF),即完成测试所需的时间,注意,概率密度可超过1,但曲线下的面积必须始终是单位面积。
1.2 随机变量
假设两个随机变量x和y。若观察x和y的多个成对实例,结果中某些组合出现得较为频繁。这样的情况用x和y的联合概率分布,记作Pr(x,y)。在Pr(x,y)中的逗号可以理解为“和”,所以Pr(x,y)是x和y的概率。一个联合概率分布中的相关变量可能全是离散变量,或全是连续变量,亦或是兼而有之(见图1-3)。不管怎样,所有结果的概率之和(离散变量的总和与连续变量的积分)总是1。
图1-3 变量x和y的联合概率分布。a-c)两个连续变量的概率密度函数分别呈现为曲面图、等值线图和图像。d)表示两个离散变量联合概率分布的二维Hinton图。e)表示连续变量x和离散变量y的联合概率分布。f)表示离散变量x与连续变量y的联合概率分布
一般来说,与二元变量的概率分布相比,我们会对多元变量的联合概率分布更感兴趣,我们将Pr(x,y,z)记为标量变量x、y和z的联合概率分布,也可以把Pr(x)当成所有多维元素
的联合概率。最后,我们用Pr(x,y)表示所有多维变量x,y的联合概率分布。
计算机视觉模型、学习和推理相关推荐
- 20+汇总|计算机视觉深度学习训练推理框架
点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取 点击进入→自动驾驶之心技术交流群 后台回复[领域综述]获取自动驾驶全栈近80篇综述论文! 后台回复[ECCV2 ...
- 《计算机视觉:模型、学习和推理》自学笔记(一)-绪论
计算机视觉模型学习和原理 绪论 什么是计算机视觉 计算机视觉和机器视觉 绪论内容继续讲解 计算机视觉简史 所自学书籍的结构 总结 计算机视觉:模型.学习和原理 本博文乃自学为主,转载需要声明,并且我也 ...
- 8个计算机视觉深度学习中常见的Bug
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自|人工智能与算法学习 导读 给大家总结了8个计算机视觉深度 ...
- 周志华教授发表首届国际学习与推理联合大会IJCLR开场Keynote:探索从纯学习到学习+推理的AI...
来源:机器之心 本文约4700字,建议阅读10+分钟 最权威的课程之一.探索"学习+推理"领域,你不可错过这场推理大会. 首届国际学习与推理联合大会(IJCLR)已于 10 月 2 ...
- 沈向、洋周明:神经自然语言处理进展综述:建模,学习,推理
来源:专知 本文约3200字,建议阅读5分钟. 本文将从建模.学习和推理三个方面综述基于神经网络的神经语言处理框架(neural NLP)的最新进展. 深度神经网络极大促进了自然语言处理技术的发展.来 ...
- 谷歌开源 MobileNetV3:新思路 AutoML 改进计算机视觉模型移动端
谷歌从 17 年发布 MobileNets 以来,每隔一年即对该架构进行了调整和优化.现在,开发者们对 MobileNetV3 在一次进行了改进,并将 AutoML 和其他新颖的思想融入到该移动端的深 ...
- 谷歌开源MobileNets:在移动设备上高效运行的计算机视觉模型
吴唯 编译自 Google Research Blog 量子位出品 | 公众号 QbitAI 今早谷歌在自家的科研博客上发文,宣布开源MobileNets--一组移动端优先的计算机视觉模型.通过Ten ...
- 模型部署到移动端_谷歌开源 MobileNetV3:新思路 AutoML 改进计算机视觉模型移动端...
雷锋网 AI 开发者按:谷歌从 17 年发布 MobileNets 以来,每隔一年即对该架构进行了调整和优化.现在,开发者们对 MobileNetV3 在一次进行了改进,并将 AutoML 和其他新颖 ...
- 专升本 计算机 公共课学习笔记(持续更新中...)
计算机公共课学习笔记 第一章 计算机基础知识(30分) 1.计算机概述 计算机(Computer)的起源与发展 计算机(Computer)也称"电脑",是一种具有计算功能.记忆功能 ...
- 4种在生产中扰乱计算机视觉模型的方法
简介 本文不是关于模型的质量.它甚至不涉及扩展.负载平衡和其他DevOp.它是关于一个更普遍但有时会遗漏的事情:处理不可预测的用户输入. 在训练模型时,数据科学家几乎总是有一个受控的数据环境.这意味着 ...
最新文章
- c语言是非结构化程序设计语言,第章_结构化程序设计基础和C语言的控制结构(fb).ppt...
- 让vue-router渲染为指定的标签
- python学习-知识点进阶使用(end、while else、range、iter、list的多种遍历方式)
- linux 运行cmd文件,cmd文件如何在虚拟linux下运行
- LuckyDraw bot有幸被提名为微软2019的People's Choice app
- WPF 实现音频播放动画控件
- linux中打开gif图片命令,在Linux终端中安装使用Gifski创建GIF动图
- kafka retries参数入门
- “网友”叫你先上STM32,51是小朋友玩的,所以你就不学51了
- Effective C++ 读书笔记之Part6.Inheritance and Object-Oriented Design
- 3. Ubuntu LAMP 环境搭建
- 实力推荐:现网全能屏幕录像和编辑的软件
- 科大讯飞语音识别 语音合成 数字读法 Android
- 面试软件测试总结(常见的面试问题)
- 计算机efs加密,win7系统对文件启用EFs加密功能的处理办法
- org.hibernate.ObjectNotFoundException: No row with the given identifier exis
- 计算机毕业设计(附源码)python校园社团管理系统
- 全宇宙第一编辑器VS Code搭配Markdown打造云端笔记(一)
- nvm安装、下载以及nvm使用教程
- HC32L136国产超低功耗华大MCU芯片介绍