网站制度建设网站开发挣钱吗

网站制度建设,网站开发挣钱吗,如何建设公司门户网站,网站建设免费教程弱标注图像数据集中基于密集对应关系的联合推理 1. 目标函数项 似然度 ：实现基于两个假设，属于共同对象的像素应（a）显著，即与图像内其他像素不同；（b）稀疏，即相对于图像间的平滑变换与其他图像中的像素相似。似然项定义如下： [ \varPhi_{i}(x) = \begin{cases} …弱标注图像数据集中基于密集对应关系的联合推理1. 目标函数项似然度：实现基于两个假设，属于共同对象的像素应（a）显著，即与图像内其他像素不同；（b）稀疏，即相对于图像间的平滑变换与其他图像中的像素相似。似然项定义如下：[\varPhi_{i}(x) =\begin{cases}\varPhi_{i}^{\text{saliency}}(x) + \lambda_{\text{match}}\varPhi_{i}^{\text{match}}(x), c_{i}(x) = 1 \\beta, c_{i}(x) = 0\end{cases}]其中，(\beta)是调整背景像素似然度的常数参数，降低(\beta)会使每个像素更可能属于背景，从而对前景进行更保守的估计。像素或区域的显著性可以有多种定义方式，实验中使用了Cheng等人基于对比度的显著性度量，它能为我们的目的提供足够好的显著性估计。给定每个图像(I_{i})的显著性图(cM_{i})，先计算数据集范围内的归一化显著性(M_{i})（值在([0, 1])），并定义：[\varPhi_{i}^{\text{saliency}}(x) = -\log M_{i}(x)]该项会促使更（或更少）显著的像素在后续被标记为前景（或背景）。匹配项基于计算的对应关系定义：[\hat{\varPhi}{i}^{\text{match}}(x) = \frac{1}{|N{i}|} \sum