《计算机视觉：模型、学习和推理》——3.2　贝塔分布

本节书摘来自华章计算机《计算机视觉：模型、学习和推理》一书中的第3章，第3.2节,作者：（英）普林斯（Prince，J. D.）著， 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.2 贝塔分布

贝塔分布（图3-2）是由单变量λ定义的连续分布，这里λ=[0,1]。因此，它适合表示伯努利分布中参数λ的不确定性。
如图3-2所示，贝塔分布有两个参数(α,β)∈［0，∞］，两个参数均取正值并且都影响曲线的形状。在数学上，贝塔分布的形式如下：

图3-2 贝塔分布。贝塔分布值域在[0,1]之间，有参数(α,β)，参数相对值决定预期值，所以E［λ］=α/(α+β)（括号内的数值显示每条曲线中的α、β）。随着(α,β)绝对值的增加，E［λ］两侧的分布更加集中，a）每条曲线中，E［λ］=0.5，分布的集中程度不同。b）E［λ］=0.25。c）E［λ］=0.75

带你读《OpenCV 4计算机视觉项目实战 （原书第2版）》之三：学习图形用户界面 本书首先介绍OpenCV的入门知识及安装，然后介绍OpenCV的基础知识，包括用户界面、矩阵运算、滤波器和直方图等，之后介绍复杂的计算机视觉算法，包括对象分割和分类、视频监控、对象跟踪等，后探讨对象跟踪、文本识别、机器学习和人脸检测等高级技术。阅读本书之后，你将掌握常用和新的计算机视觉技术，并学会从零开始构建各类OpenCV项目。
何恺明团队计算机视觉最新进展：从特征金字塔网络、Mask R-CNN到学习分割一切 这篇文章介绍了FAIR何恺明、Tsung-Yi Lin等人的团队在计算机视觉领域最新的一些创新，包括特征金字塔网络、RetinaNet、Mask R-CNN以及用于实例分割的弱半监督方法。
《计算机视觉：模型、学习和推理》一3.3分类分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.3节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一导读 计算机视觉是一门工程学科，机器在现实世界中捕获的视觉信息可以激发我们的积极性。因此，我们通过使用计算机视觉解决现实问题来对我们的知识进行分类。
《计算机视觉：模型、学习和推理》一3.8 正态逆维希特分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.8节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一3.6 正态逆伽马分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.6节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一2.5 贝叶斯公式 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第2章 ，第2.5节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一第3章 总结 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一3.7 多元正态分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.7节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。