没有合适的资源?快使用搜索试试~ 我知道了~
cvm:《计算机视觉》一书中算法的Python实现
共18个文件
py:14个
png:2个
md:1个
需积分: 9 2 下载量 90 浏览量
2021-05-19
05:52:31
上传
评论
收藏 211KB ZIP 举报
温馨提示
计算机视觉:模型学习和推理(算法) Simon JD Prince教授撰写的《计算机视觉:模型学习和推理》一书中算法的Python实现。 这本书,算法。 这些算法是根据本书中的章节进行组织的,这些章节介绍了与机器学习和计算机视觉有关的几个主题。 第四章 本章概述了用于将概率模型拟合到数据的方法。 本章涵盖了三种方法,每种方法都有两个示例:最大似然估计(4.1,4.4),最大后验(4.2,4.5)和贝叶斯方法(4.3,4.6)。 第一组示例用于单变量正态分布,而第二组示例用于类别分布。 Cahpter 6 本章重点介绍计算机视觉模型的两个主要类别。 那些在给定数据的情况下对世界状态的概率进行建模的模型(判别式),以及在给定世界状态的情况下对数据进行概率的建模的模型(生成式)。 本章只有一种算法,它是基本的生成分类器,可以在Chapter_6文件夹中找到。 此外,如书中所述,生成分类器用
资源推荐
资源详情
资源评论
收起资源包目录
cvm-master.zip (18个子文件)
cvm-master
.gitignore 261B
chapter_4
bayesian_cat_test.py 589B
mle_cat_test.py 396B
mle_univ_norm.py 200B
mle_univ_norm_test.py 839B
map_cat.py 254B
bayesian_univ_norm.py 1KB
map_cat_test.py 591B
map_univ_norm_test.py 1KB
mle_cat.py 195B
plots
bayesian_cat.png 80KB
bayesian_univ_norm.png 147KB
bayesian_univ_norm_test.py 933B
map_univ_norm.py 238B
bayesian_cat.py 256B
README.md 2KB
chapter_6
basic_gen_classifier.py 2KB
chapter_7
mog.py 893B
共 18 条
- 1
资源评论
两只妖精同上树
- 粉丝: 30
- 资源: 4747
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功