强大的统计模型可以从大量数据中有效地学习,目前正在彻底改变计算机视觉。这些模型具有丰富的内部结构,反映了特定于任务的关系和约束。本教程向读者介绍计算机视觉中最流行的结构化模型类。我们的重点是离散无向图模型,我们详细介绍了概率推理和最大后验推理的算法。我们分别讨论了最近在一般结构化模型中成功的预测技术。在本教程的第二部分中,我们将描述参数学习的方法,其中我们将经典的基于最大似然的方法与最新的基于预测的参数学习方法区分开来。我们着重介绍了增强当前模型的发展,并讨论了核化模型和潜变量模型。为了使教程具有实用性并提供进一步研究的链接,我们提供了计算机视觉文献中许多方法的成功应用实例。 http://www.nowozin.net/sebastian/papers/nowozin2011structured-tutorial.pdf

成为VIP会员查看完整内容
46

相关内容

书籍在狭义上的理解是带有文字和图像的纸张的集合。广义的书则是一切传播信息的媒体。
【2022新书】神经网络,机器学习和图像处理,221页pdf
专知会员服务
93+阅读 · 2022年11月17日
专知会员服务
50+阅读 · 2021年10月16日
专知会员服务
33+阅读 · 2021年7月17日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
85+阅读 · 2021年4月27日
专知会员服务
179+阅读 · 2021年1月8日
【经典书】统计学理论,925页pdf
专知会员服务
159+阅读 · 2020年12月6日
【经典书】信息理论、推理和学习算法,640页pdf
专知会员服务
78+阅读 · 2020年9月21日
【文本分类大综述:从浅层到深度学习,35页pdf】
专知会员服务
182+阅读 · 2020年8月6日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
223+阅读 · 2020年5月2日
【新书】多元统计与机器学习,185页pdf
专知
5+阅读 · 2022年6月5日
【经典书】贝叶斯强化学习概述,147页pdf
专知
4+阅读 · 2021年11月21日
【新书册】贝叶斯神经网络,41页pdf
专知
25+阅读 · 2020年6月3日
贝叶斯机器学习前沿进展
架构文摘
12+阅读 · 2018年2月11日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
21+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
11+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年12月27日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
19+阅读 · 2018年6月27日
Arxiv
10+阅读 · 2018年3月23日
VIP会员
相关VIP内容
【2022新书】神经网络,机器学习和图像处理,221页pdf
专知会员服务
93+阅读 · 2022年11月17日
专知会员服务
50+阅读 · 2021年10月16日
专知会员服务
33+阅读 · 2021年7月17日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
85+阅读 · 2021年4月27日
专知会员服务
179+阅读 · 2021年1月8日
【经典书】统计学理论,925页pdf
专知会员服务
159+阅读 · 2020年12月6日
【经典书】信息理论、推理和学习算法,640页pdf
专知会员服务
78+阅读 · 2020年9月21日
【文本分类大综述:从浅层到深度学习,35页pdf】
专知会员服务
182+阅读 · 2020年8月6日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
223+阅读 · 2020年5月2日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
21+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
11+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员