卧虎藏龙的科学岛-CV真香定律

来到夏令营的第一天把电视小米盒子的hdmi接口接到电脑看了电影《拯救大兵瑞恩》，战争片，真实的一匹，好片子，只不过略微不适合假期旅游观看。第一天开了一天的会，比较出彩的就是智能所了，高理富老师先是讲述了神经科学的发展，从最开始Barlow的功能单细胞假设到Rosenblatt的感知机模型，再到Hebb神经集合体假设到Widow的Madline理论，BP神经网络，Schapire的弱学习定理，到最经典的SVM再到1996提出的AdaBoost，智能所从仿生感知与智能衍生出四个方向：仿生感知与智能机器人、环境感知与智慧农业、功能材料与传感器件、惠普健康与服务机器人。

我感兴趣的研究室是仿生感知与控制研究室、机器人传感器与人机交互研究室、先进感知与智能系统实验室、智能信息与环境检测实验室、运动健康与信息技术研究室。以及拥有一个863智能机器人传感技术网点实验室，都是我想去的。

但是第二天的分所报告中，应用所用强大的无人驾驶团队和搞科研的VSLAM把我吸引了，我不管去应用所还是智能所，看来还是要把SLAM的东西好好复习一下，好好准备了（看这！），然后面试的时候自信的一肛到底。

---

今天去智能所和应用所参观了一下，虽然智能所挺不错的，但是最后还是选择了更加学术的应用所的机器视觉实验室，并且加了老师。“我就算是死，从这里跳下去，也不会去搞CV”的真香flag终于实现了。

我看了一下，其实这边做CV的对经典图像处理方法还是挺在乎的，当然如果你DL学的很好那肯定加分，所以我的复习方向就是之前用过做过的经典CV方法加上之后跑过的DL图像处理的网络。

【之前了解过、跑过demo的经典CV方法】特征点检测：Harris, SIFT, SURF, ORB、Canny边缘检测、非极大值抑制、图像金字塔、模板匹配（NCC）、Hough直线变换、Hough圆环变换、分水岭算法图像分割、Shi-tomasi角点检测、Fast角点检测、光流、相机标定、对极几何、Haar级联检测。

这些词我都熟悉，说实话……就是手上一本PDF里的内容

然后复习一下fasterrcnn和yolo就可以了。

---

笔记：

二维码识别的时候，我们在阈值选择之前选择了直方图均衡化然后再使用中值阈值，但是其实如果从效果上看，和自适应阈值和高斯自适应阈值分割的效果是一样的，也许是因为刚刚接触图像处理，或者是Zbar不好修改源代码实现自适应阈值，所以使用均衡化然后中值分割。但是其实如果是自适应也有不好的地方，原因如下：