《计算机视觉：模型、学习和推理》一2.1　随机变量

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2.1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。

概 率 概 述

本章简要回顾概率论。这些知识相对简单而且彼此独立。然而，它们结合在一起构成了一种描述不确定性的强大语言。

2.1 随机变量

随机变量x表示一个不确定的数量。该变量可以表示一个实验的结果（例如，抛硬币）或波动特性的真实量度（例如，测量温度）。如果我们观察几个实例｛xi｝Ii=1，它可能在每一个场合取不同的值。然而，一些值可能比其他值更容易出现。这种信息是由随机变量的概率分布Pr(x)决定的。
随机变量可以是离散的或连续的。离散变量从一组预先确定的集合中取值。这组值可能是有序的（掷骰子的点数从1到6）或者无序的（观察天气的结果是“晴”、“下雨”或“下雪”）。它可能是有限的（从标准扑克牌中随机抽出一张牌，有52种可能的结果）或者无限的（从理论上说，下一班火车上的人数是无限的）。离散变量的概率分布可以可视化为一个直方图或Hinton图（见图2-1）。每个结果都有一个与之相关的正概率，且所有结果的概率之和总是1。

图2-1 离散概率的两种不同表示。a） 表示不均匀六面的骰子每一面落在地上的柱状图。因为柱状图中柱子的高度代表每面的概率，所以所有的高度和为1。b） 表示观察到英国不同天气类型概率的Hinton图。因为方形区域的面积表示每种天气出现的概率，所以所有的面积之和为1
图2-2 连续概率分布（概率密度函数或简称PDF），即完成测试所需的时间。注意，概率密度可超过1，但曲线下的面积必须始终是单位面积连续随机变量取实数值。这些取值可能是有限的（要完成时长两小时考试所花费时间是介于0～2小时之间的）或无限的（下一班车到达的时间是无上界的实数）。无限连续变量可能取遍整个实数范围，或者可能是仅有上界或下界的区间（车辆的速度能够取任意值，但速率的下界为0）。连续变量的概率分布可以通过绘制概率密度函数（PDF）来可视化。一个结果的概率密度表示随机变量取该值的相对可能性（见图2-2）。它可以取任何正值。然而，PDF的积分总是1。

一文尽览 | 计算机视觉中的鱼眼相机模型及环视感知任务汇总！（下） 环视鱼眼摄像机通常用于自动驾驶中的近距离感知，车辆四面的四个鱼眼摄像头足以覆盖车辆周围的360°范围，捕捉整个近距离区域。一些应用场景包括自动泊车、交通拥堵辅助等
一文尽览 | 计算机视觉中的鱼眼相机模型及环视感知任务汇总！（上） 环视鱼眼摄像机通常用于自动驾驶中的近距离感知，车辆四面的四个鱼眼摄像头足以覆盖车辆周围的360°范围，捕捉整个近距离区域。一些应用场景包括自动泊车、交通拥堵辅助等
计算机视觉中的transformer模型创新思路总结 本文回顾了ViT的结构，总结了计算机视觉中的transformer的主要改进思路：改进分块，改进位置编码，改进Encoder，增加Decoder。每个思路下都介绍了相关的论文，介绍了这些论文的提出出发点和改进思路。 本文的目的不在于介绍transformer现在有哪些模型，而在于学习借鉴别人发现问题并改进的思路，从而在自己方向上提出合适且合理的改进。
【动手学计算机视觉】第九讲：传统目标检测之DPM模型 DPM模型在我心里的印象一直都非常深刻，不仅是因为它非常经典，此外，它是我进入CV领域看的第一篇文章。还记得当初开始做项目时，老师就发给我一篇文章，并反复声明，要认真研究，好好学习。我反复把这篇文章看了很多遍，也把源码看了几遍，真是深深的被这个神作惊叹到了。真不愧为传统目标识别领域的经典之作，虽然时间过去很多年，特征提取加机器学习这一套在效率上远不如深度学习，但是DPM的影响力和思想依然非常有生命力，从后面深度学习模型中经常可以看到DPM的身影，DPM的原文从2009年至今引用已经超过8000次，它的价值可见一斑，下面就来介绍一下这个经典的目标检测模型。
《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。