【工作经验】计算机视觉武器

概述

计算机视觉如同其他学科一样，好的工具能够帮助更好地学习理论基础，整理资料，实践想法。以下从语言、编译环境、开源库、开源维护、学术等方面推荐了一些实用工具供学习参考。

---

好的语言

• c++
  运算速度快，代码底层，能够与硬件的sdk相结合
• matlab
  语法经过包装，擅长矩阵运算
• python
  擅长处理文本文件，访问web，处理数据

好的编译环境

好的c++编译环境

• vs
  windos特有编译器
• qt
  qt上配置源代码编译的opencv:http://blog.youkuaiyun.com/zhaocj/article/details/38944037
  vs 上进行qt编程： http://blog.youkuaiyun.com/yb844154912/article/details/50929327

好的python编译环境

• pycharm+anaconda
  可以看看我的这篇博客：https://blog.youkuaiyun.com/weixin_42641395/article/details/82453586

计算机视觉好的开源库

• cuda
  图像处理通过gpu加速

• opencv
  机器视觉库
  这篇博客讲了windos下vs 环境下opencv的预编译配置与源代码的编译，同时部署cuda
  http://johnhany.net/2015/10/windows7-compile-opencv3-with-cuda/

• opengl
  图形化库

好的开源库工具

• cmake
  打包发布实验代码
• git
  开源代码的建立与维护

好的学术工具

文献管理

• endnote+jabref
• 新建需要查询领域的文件夹
• 论文下载pdf与endnote到文件夹下,下载bibtex到jabref数据库中
• 引用
• 论文中引用某一条

~\cite{bibtexkey#candocia2003jointly}

• 在结尾链接bib数据库

\bibliographystyle{IEEEtran}
\bibliography{citations}

技术路线整理

• 为知笔记（多方手机电脑同步、迅速截图保存到文档、数学公式与latex语法对接）

个人宣传共享

• csdn博客
• github
• research gate
• google sites

论文撰写

latex

• 对问题进行调研，选择技术路线，写问题综述
• 整理改进适合问题的技术路线
• 实验
• 整合到论文中，寻找会议期刊并投稿

---

• Doraengineer’s blog说明