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:

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值