Label UNT Vidéocours
le (7m34s)
Résultats de recherche
Trier par :
Nombre de programmes trouvés : 2814
Label UNT Vidéocours
le (9m3s)
5.2. Expectation-Maximization Clustering
In this video, we are going to start working towards building a motion model. Voir la vidéo
Label UNT Vidéocours
le (4m47s)
5.3b. Learning typical trajectories 2/2
In this video we are aiming to improve on the results we obtained in video 5.3a, in particular with respect to the greyed-out trajectories that are badly represented. Voir la vidéo
Label UNT Vidéocours
le (4m14s)
5.4. Bayesian filter inference
In this video we will review the base filter and we will study a particular instance of the Bayesian filter called Hidden Markov models which is a discrete version of a Bayesian filter. Voir la vidéo
Label UNT Vidéocours
le (4m40s)
5.5. From trajectories to discrete time-state models
In this video we are going to apply the concepts we have reviewed in the video 5.4 into real trajectories. Voir la vidéo
Label UNT Vidéocours
le (7m26s)
5.6. Predicting Human Motion
In video 5.5 we have defined an HMM in Python. In this video we are going to learn how to use it to estimate and predict motion. Voir la vidéo
Label UNT Vidéocours
le (5m36s)
5.8. Other approaches: Social Forces
In this video we will review one of the alternatives we are proposing to the use of Hidden Markov models and typical trajectories: the Social Force model. Voir la vidéo
Label UNT Vidéocours
le (7m53s)
5.9. Other approaches: Planning-based approaches
In this video we are going to study a second, and probably the most promising alternative for motion prediction: planning-based algorithms. Voir la vidéo
Label UNT Témoignages
le (3m9s)
Les études scientifiques, c'est top! L'informatique
...Se lancer dans des études d'ingénieur informatique pour travailler dans le jeu vidéo et au passage être trésorière du club info de l'école d'ingénieur...... Voir la vidéo
Label UNT Entretiens
le (11m58s)
