《劍指Offer》給我的靈感:圖像處理這一路走來

如果傘是許仙和白素貞的定情物,那么巧克力就是我與朱老師結(jié)緣的開始,也正因為此,我也成了朱老師的大家庭的一員。我們有一年一度的圣誕晚會、春游活動、我們教研室還是比賽拿獎專業(yè)戶呢!

圣誕晚會美女主持
圣誕晚會現(xiàn)場
我們的教研室春游
挑戰(zhàn)杯西農(nóng)省賽

我們好像在哪見過

在《數(shù)字信號處理》課上,老師提問了一個問題,我弱弱的說出了自己的想法,竟然被老師肯定了,下一次課老師當(dāng)著一百多人的面送了我情人節(jié)老師的先生送她的巧克力,心理真的可開心了。正因為這樣結(jié)識了朱老師,第一次接觸到了很有魔力的圖像處理,也有了接下來在老師和小導(dǎo)的指導(dǎo)下,參加了“國家大學(xué)生創(chuàng)新創(chuàng)業(yè)實驗計劃”一系列的故事,正因為這次參與了課題,才與圖像、和一群可愛的人兒結(jié)下了緣分,仿佛好多回憶也是從接觸這群可愛的人兒才開始的,比如被大家親切的稱為朱媽媽的朱虹教授、睿智的棟哥、以飛哥為代表機(jī)智、有趣的師兄們(最后都成了我的親戚)、完全信任的晶晶姐,當(dāng)然少不了讓我又恨又愛的霸道、古樸卻超級厲害的師父。因為這次結(jié)緣,我在圖像處理的路上頭也不回的走到了現(xiàn)在,盡管也跌倒過。

科研這一路

從本科畢業(yè)設(shè)計“基于Hog特征的行人檢測算法研究”,到“乳腺圖像計算機(jī)檢索與識別”,到“打破沉默 家暴者請走開”再到“人臉檢測與識別”以及“上皮、淋巴、中性粒細(xì)胞檢測與識別”也參加了許多項目,零零散散的接觸了許多圖像處理、機(jī)器學(xué)習(xí)、模式識別的知識,因為在做項目的過程中,需要去學(xué)習(xí)各種各種各樣的知識,最近準(zhǔn)備騰訊【基礎(chǔ)研究】的面試,但是在準(zhǔn)備項目經(jīng)驗這塊時,自己都模模糊糊的,而且許多知識點自己已經(jīng)生疏了好多(這都是自己曾經(jīng)死磕了多久,通宵過才看懂的算法啊),于是痛下決心打算將之前接觸過的知識點都整理下來,但是一直都沒有付諸行動,一方面是因為惰性的原因,也怕自己寫錯了,想著一下子寫全,太過追求形式,還有一方面,沒有動力去整理!

直到今天看到《劍指Offer》關(guān)于應(yīng)聘者項目經(jīng)驗這塊時,讓我感到莫名的興奮。

簡歷中描述項目的STAR模型

項目經(jīng)驗的描述(STAR)模型包括以下幾個部分:

Situation:簡短的項目背景;

Task:自己完成的任務(wù);

Action:為了完成任務(wù)自己做了哪些工作,怎么做的;

Result:自己的貢獻(xiàn);

面試官針對項目經(jīng)驗最常問的問題:

1、你在項目中遇到的最大的問題是什么?你是怎么解決的?

2、從這個項目中你學(xué)到了什么?

3、什么時候會和其他團(tuán)隊成員有什么樣的沖突?

看到這些問題,首先感到很激動,腦子中涌現(xiàn)出了許多回憶,覺得這些問題仿佛把進(jìn)入教研室學(xué)到的東西都串起來了,畢竟在參與的項目都是很有應(yīng)用價值的,而且一路走來看過斯坦福機(jī)器學(xué)習(xí)的公開課,第一次接觸到正負(fù)樣本(被大家戲稱為“摳圖小公主”)、研究了模式識別方面一些經(jīng)典的算法,為了項目、比賽通宵過,為一件事作為主人翁去負(fù)責(zé)去擔(dān)當(dāng),為了算法的一個思路大家吵得面紅耳赤到最后又靜下心來好好討論,總之一路走來有很多感觸,那么我是不是剛好了可以利用這些問題把自己學(xué)過的做過的東西好好梳理、整理一下呢?按照時間順序我先粗略的理一下:

1、基于Hog特征的行人檢測算法研究:正負(fù)樣本的獲得和處理,Hog特征的提取過程,SVM的理論知識,對訓(xùn)練結(jié)果進(jìn)行分析調(diào)整樣本、調(diào)整算法和參數(shù);

2、乳腺圖像的計算機(jī)檢索和識別:DDSM數(shù)據(jù)庫,F(xiàn)reeman鏈碼,文件操作,圖像檢索、MFC創(chuàng)建應(yīng)用程序?qū)υ捒颍?/p>

3、打破沉默,家暴者請走開:作品設(shè)計構(gòu)思、團(tuán)隊協(xié)作、人臉檢測、性別識別、目標(biāo)跟蹤、關(guān)注度檢測;

4、中性粒、上皮、淋巴細(xì)胞檢測與識別:圖像分割、目標(biāo)提取、細(xì)胞識別;

5、基于戶外的多場景人臉識別:樣本歸一化處理、人臉檢測、Face Alignment at 3000 FPS(人臉對齊)、隨機(jī)森林、Adaboost、LBP特征、SIFT特征、卷積神經(jīng)網(wǎng)絡(luò)、主成分分析、稀疏編碼、BP神經(jīng)網(wǎng)絡(luò)、標(biāo)簽傳遞算法、KNN等等。

感覺越寫思路越清晰,我就剛好可以順著這個思路把知識一點點整理,把自己對算法的理解寫下來,不是剛剛好嗎?開工!


我相信越努力,越幸運!

越努力,越幸運!

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容