|
关注：1
2013-05-23 12:21
求翻译：For representing both the {(φi)i and the (ψi)i}, we use simple Gaussian models that encode low-dimensional subspaces in the shape space. Obviously, there are much more sophisticated learning techniques such as support vector machines or boosted classifiers that are frequently applied at this point in computer vision app是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
For representing both the {(φi)i and the (ψi)i}, we use simple Gaussian models that encode low-dimensional subspaces in the shape space. Obviously, there are much more sophisticated learning techniques such as support vector machines or boosted classifiers that are frequently applied at this point in computer vision app
问题补充： |
|
2013-05-23 12:21:38
对于代表两个{ （ φI ）我和（ ψI ） I} ，我们用简单的高斯模型编码在外形空间低维子空间。
|
|
2013-05-23 12:23:18
对代表{(φi) i和(ψi) i}，我们使用输入在形状空间的低尺寸子空间的简单的高斯模式。明显地，有更加老练的学习技术例如支持常常地被应用在这一点上计算机视觉应用的传染媒介机器或促进的classifiers [VJ01， PJC∗10]。然而，我们瞄准学会从最小数量的训练数据(经常仅一两个例子)。
|
|
2013-05-23 12:24:58
正在翻译，请等待...
|
|
2013-05-23 12:26:38
表示两个 {（φi） 第一和 （ψi） 我}，我们使用简单的高斯模型中形状空间的低维子空间对其进行编码。很明显，那里的精致得多学习支持向量机技术或提振频繁地应用于计算机视觉应用 [VJ01，PJC∗10] 这一点的 classifiers。然而，我们的目标在学习从少量的训练数据 （通常只有一个或两个例子）。复杂非线性方法是没有多大用处这里培训数据本身是不支持多自由度。因此，一种简单的线性学习方法是适当的选择，在我们的场景中。
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
