原名:Three-Dimensional Shape Knowledge for Joint Image Segmentation and Pose Tracking
作品简介:H(s) 是正则化 Heaviside 函数，其中 lims→−∞ H(s) = 0，lims→∞ H(s) = 1，且 H(0) = 0.5（例如误差函数）。它指示像素属于哪个区域。最小化前两项可最大化给定概率密度 p1 和 p 的总后验概率……
资源下载
包年VIP免费升级包年VIP
原名:Three-Dimensional Shape Knowledge for Joint Image Segmentation and Pose Tracking
作品简介:H(s) 是正则化 Heaviside 函数，其中 lims→−∞ H(s) = 0，lims→∞ H(s) = 1，且 H(0) = 0.5（例如误差函数）。它指示像素属于哪个区域。最小化前两项可最大化给定概率密度 p1 和 p 的总后验概率……
