从示例数据中学习模型
观看马塞尔·吕西（MarcelLüthi）解释统计形状模型背后的中心思想如何工作。
欢迎回来。现在，我们已经看到，我们可以通过使用高斯过程对变形进行建模来建模形状变化。在此视频中，我们将向您展示如何使用示例数据来估计这种高斯流程的平均值和协方差函数。
我们已经从参考形状伽马R开始。
我们已经看到如何通过移动该参考形状的点来获得任何形状伽马。
我们注意到，通过构造，目标形状伽玛将以与参考形状相同数量的点描述。此外，我们发现，对于参考形状的每个点，形状伽玛中的相应点。我们说这些形状是对应的，或者U在两个形状之间建立对应关系。
如果我们有一组对应的形状，我们可以轻松地比较它们并使用它们来计算统计信息。例如，考虑拇指尖的点。我们可以在所有示例形状中找到该点。
我们可以在所有示例中观察到它的变形。
现在，我们可以做的是我们可以在这一点上计算平均变形。我们甚至可以走得更远，我们可以从这些示例中估算相关性。这可以通过第二点来完成。
同样，我们可以对这些变形进行这些变形并从中估算相关性。
有了这些想法，我们可以为高斯流程模型计算我们的第一个均值和协方差函数。如果在此处给出了n个变形，我们可以从这些变形中估算出使用标准公式的样品平均值和样本协方差的平均值和协方差，并从基本统计数据中获得样品协方差。
让我们总结如何构建形状模型。我们首先选择一个参考形状。我们发现从手到示例数据的变形。这给了我们信件。
然后，我们估计平均值和协方差函数。我们使用估计参数定义了高斯过程。
由于此公式中的u是概率数量，因此它生成的形状也是如此。因此，此公式中的伽玛实际上是对形状的概率描述。恭喜。现在，您知道如何构建形状模型。作为第一个结果，我们在这里看到了平均的手形状。
这个简单的过程是建立最重要的统计形状模型类别所需的一切，因为它们当前在研究和行业中使用。
我们在这里没有讨论的唯一重要点是如何获得将参考形状与示例形状相关联的这些变形。我们将在课程结束时回到这个问题。
很难明确对定义形状家族的形状变化进行建模。幸运的是，我们仍然可以通过从一组正常示例形状中学习形状家族中发生的典型变形来获得非常强大的形状模型。
在此视频中，我们将解释形状具有对应关系的含义，以及这如何帮助我们从数据中学习形状变化。在本视频的结尾，您将熟悉科学和行业中当前使用的最流行的形状模型。
我们的目的是改变接受教育的机会。
我们提供来自世界各地的大学和文化机构的各种课程。这些一次是一次交付的一步，并且可以在移动，平板电脑和台式机上访问，因此您可以适合自己的生活。
我们认为，学习应该是一种愉快的社交经验，因此我们的课程为您提供了与他人一起讨论的机会，帮助您做出新的发现并形成新的想法。
您可以通过订阅我们无限制的包裹来解锁新的机会，以无限制地访问数百种在线短课程。电竞博彩app有什么通过顶尖的大学和组织建立知识。dota2竞猜吧
