2013年12月7日

递归

今天早上在打印店打印了几篇模式识别课程大作业相关的论文,上午一开始主要在读Locality Preserving Projections 这一篇论文,原来是用来降维的啊,加上之前PCA、LDA以及它们的Kernel化的方法自己在网上的视频好好的看了,这篇大体思路算是清楚了,实现细节可能到时要好好的琢磨一下了,看完后好像就快可以吃饭了。

然后看了看其他的题目,特别是卷积神经网络(CNN),感觉深度学习这东西最近特别火,感觉很神奇。特别是百度的识图搜索用的就是深度学习这东西,自己使用后觉得比Google的以图搜图的功能不知道强大多少数量级,Google的搜图目前好像还是主要停留在基于颜色纹理相似的检索,而百度的有点图像语义理解的效果了。上次一个讲座中百度的余凯提到Google的同行们对此觉得压力很大,确实不应该啊,Google什么时候能够把搜图升级一下啊。

然后准备中午把CNN的文章打印一下看一看,还有要打印的有2篇发在Science上的关于流形学习的文章。一直以来以为Science上只会发物理、化学、生命科学等学科的文章,想不到还有机器学习相关的文章。中午就在公寓的食堂吃的饭,这边比所里面的便宜一些,种类也多,饭后除了打印,回宿舍取了计算机视觉的两本厚书,昨天上课提到较多图像相关的内容,这些书中应该有介绍吧。

到实验室后先随便看了看计算机视觉的书,看的关于特征检测的,不过算法描述不详细,预知详情可能还是要看论文,就没看了。接着想起来各种视觉识别、模式识别都有公开测试的数据库,这样可以很好的进行算法的比较,而之前做的果实识别几乎各搞各的,没有公开的统一图像数据,不利于算法结果的重现,然后就想到是不是可以建立个该方面的公开图像数据库,然后开TeXstudio写了写方案,两点多不想写了,困了睡一会,醒来快到3点了。

然后又回到深度学习上,论文什么的太复杂,想找找有没有简单的菜鸟快速入门的tutorial,结果找到了zouxy09的博客,哇,写的太好了,看了一会,搜索下载了一些博客中提到的论文,竟然有发在Nature上的。然后觉得zouxy09博主挺厉害的,中断看深度学习相关的,转看了一些其它的博客,大多视觉相关的。

不久就到点了,吃晚饭,给爸妈打电话,回去洗衣服,接着回实验室。先看了看Solidot、Weibo,然后把关于深度学习介绍的博客整理成单个pdf文件。后来又看了看其博客的其它文章,发现一篇“用单张2D图像重构3D场景”的博客,这个和我们组的研究主题有点相关,该文介绍的是Learning 3-d scene structure from a single still image这篇论文,这篇原来当年iccv2007的best paper啊,老板竟是著名的Andrew Y. Ng,论文没认真看,好像用到了MRF,好吧昨天上课刚讲,只是没太懂,还有就是昨天课上提到最大流最小割的问题,正好前天优化课讲的,真的有意思。

后来搜索MRF过程中,各种链接,结果注册了个台湾大学的ML公开课,点开也没来得及看。然后想把博主的博客整体浏览一下,前面的模板匹配目标跟踪比较容易理解,然后看了看基于OpenCV的代码实现,后又看了看matchTemplate的实现源码,发现OpenCV的源码考虑的东西比较多,看的比较恼火,就没细看,后来想看看其中用到的minMaxLoc的源码,用了命令 find ./ -name "*" |xargs grep minMaxLoc 才找到函数所在的cpp文件,同样要考虑好多细节,代码实现比想象的复杂,也正是这样通用性好,而自己一般写东西考虑的情况较少,所以通用性就不好吧。就这样不知不觉快到11点,就想把今天的流水帐写下来。

今天除了上午看的第一篇论文,后来就没有专注干什么事了,一件件事情的递归,从一开始的LPP,到minMaxLoc函数的opencv代码的实现细节,想想一直以来只要在开机状态,基本上就这样的递归,到最后自己都不知道干什么了,由于递归的层次太多,一般很难回到最初的任务上。有的递归是需要相关知识的补充,这种状态有时让人绝望,不知道的太多了,不知道的引出另外一个不知道,不过在没有deadline情况下,心态比较平静时到可以好好补充些缺失的知识,时间比较紧时真的是让人自我怀疑悲观乃至绝望,不过今天还好,比较闲,没什么压力,这种感觉还算不错。更多的递归可能不算递归,不是基于需要解决这个问题先要解决某个问题的递归形式,而是中途中发现好玩的然后去搞其它的了,偏离了主题,今天大多算是这种情形吧,这样有广度,但是太杂,深度不够,往往不知所以然吧。

按照树的递归遍历来说,对自己可能还是深度优先搜索比广度优先搜索好吧。

注:本文中的今天指的是2013年12月6日星期五

Posted in , , , . Bookmark the permalink. RSS feed for this post.

Done is better than perfect!