Msunming的博客

CV （1.2）———————————————————————————————task：image classification-主要问题：语义鸿沟 -挑战（视角变化，光照，大小，形变，遮挡，背景分割，类间变化）-普通的硬性编码很难解决这些问题——————————————————————————————–strategy-数据驱动的方法 –1，收集数据并标注（prepare stage

参数密度估计大多数实际应用过程中，缺乏概率分布的具体解析式，因此需要通过所观察到的样本进行进行估计，通常分为： 参数估计 非参数估计 参数估计 已知：概率分布的解析表达式 求解：确定表达式中的参数 主要方法 最大似然估计（频率学派） 最大后验概率估计（多个先验，贝叶斯学派） 贝叶斯推理 最大熵模型 混合模型（EM算法） 最大似然估计算法 1）把参数当做未知实数（不是变量） ------频率学派