Centroïde

Résumé

En mathématiques, le centre de masse ou centroïde d’un domaine du plan ou de l’espace est un point d’équilibre pour une certaine mesure sur ce domaine. Il correspond au centre pour un cercle ou une sphère, et plus généralement correspond au centre de symétrie lorsque le domaine en possède un. Mais son existence et son unicité sont garanties dès que le domaine est de mesure finie. En géométrie, cette notion est synonyme de barycentre (pour un ensemble fini de points affectés de masses ponctuelles, le centre de masse est le barycentre des points pondérés). Tandis qu’en mécanique classique, elle traduit celle de centre de masse d’un corps. Pour une variable aléatoire réelle ou vectorielle, l’espérance est le centre de masse du support de la variable muni de la mesure de probabilité. En géographie, le centroïde d’une région correspond au centre géographique. Formule générale Étant donné un domaine D du plan ou de l’espace muni d’une mesure μ, le ce

Source officielle

https://fr.wikipedia.org/wiki/Centro%C3%AFde

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (2)

Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés (39)

En géométrie euclidienne, un triangle est une figure plane formée par trois points (appelés sommets) et par les trois segments qui les relient (appelés côtés), délimitant un domaine du plan appelé in

En géométrie, un cercle circonscrit à un polygone est un cercle qui passe par tous les sommets du polygone. Le polygone est alors dit inscrit dans le cercle : on parle de polygone inscriptible ou parf

thumb|L'aire du carré vaut ici 4. En mathématiques, l'aire est une grandeur relative à certaines figures du plan ou des surfaces en géométrie dans l'espace. Le développement de cette notion mathémati

Afficher plus

Concepts associés

Chargement

Cours associés (13)

Cours associés

Chargement

Séances de cours associées (20)

Séances de cours associées

Chargement

Automated Detection Of Highly Aggregated Neurons In Microscopic Images Of Macaque Brain

Ming Jiang, Cheng Shi

Neuron detection is a key step in individualizing and counting neurons which are important for assessing physiological and pathophysiological information. A large number of methods including deep learning networks have been proposed but mainly targeting regions with few aggregated neurons. The objective of this paper is to address an automated neuron detection problem in heterogeneous hippocampus region with different degrees of neuron aggregation. Since deep learning networks require a lot of ground truths hut neuron instance annotation is impossible in regions where numerous neurons are clustered, ground truth of centroids marked at the center of neurons is created for training. We propose a multiscale convolutional neural network (CNN) to regress neuron centroid mapping across image. Using multiscale information makes the proposed network applicable not only for single individual neurons, but also for a large number of aggregated neurons. Experimental results show that our method is superior to state-of-the-art deep learning -based algorithms. To our knowledge, this is the first deep learning study to detect neurons in regions of highly clustered neurons.

IEEE2020

Chargement

, , ,

We introduce a new method for adaptive one-bit quantization of linearmeasurements and propose an algorithm for the recovery of signals based on generalized approximate message passing (GAMP). Our method exploits the prior statistical information on the signal for estimating the minimum-mean-squared error solution from one-bit measurements. Our approach allows the one-bit quantizer to use thresholds on the real line. Given the previous measurements, each new threshold is selected so as to partition the consistent region along its centroid computed by GAMP. We demonstrate that the proposed adaptive-quantization scheme with GAMP reconstruction greatly improves the performance of signal and image recovery from one-bit measurements.

Ieee-Inst Electrical Electronics Engineers Inc2012

Chargement