|
|
本帖最后由 Dillon 于 2009-2-6 04:02 编辑
看到这段，忍不住笑出来了，突然想起 一门课 traitement de l'image，imagerie，里面有不少算法应用了物理的一些原理
reve.franceid 发表于 2009-2-6 00:11 
怎么？你也想学以致用一下？
说正经的，既然楼主今天先撤了，我也就顺便多说几句，谈谈技术和核心竞争力的问题。既然这里有学商的，有学理工的；有工作的，也有创业的。在今天多元化的社会中，无论是从文的，从工的还是从商的，都既不需要盲目崇拜，也不需要妄自菲薄。真正重要的是要扬长避短，各尽其能。这样才能各取所需，殊途同归。
就说这个图像识别软件的开发。
楼主提到的做的那个图像识别软件，那个时候计算机的计算能力还很弱，为了保证速度，只能牺牲识别准确度，因此只能逼近，不可能用上更有效的算法，也因此数学/物理使用的成分不高。
文中提到的那个同事找出的方案，大概是分区域把颜色分区间量化，挑选几个指标函数，线性加权到一起。再找很多图片测试，反复修改之前的函数选择和每个函数的权值，最后识别准确度60%多。
而随着计算机的迅速发展，科学计算的应用越来越重要。
（插一句，楼主不继续深造物理/计算机，N年后回首看，可能发现是社会的一大损失。国家重点大学培养一个物理人才也不容易。。。）
所有数学物理计算机知识都不再只是枯燥的理论，繁琐的计算，而变成解决实际问题的实实在在的工具。
现在再回来解决这个问题：
图像识别最重要的准备工作是自动的图像校正（就像很多相机都有自动软件补光一样）。没有好的图像校正，图像识别无从谈起。
这里大致需要如下自动图像校正：色温校正-〉弗利叶变换-〉对比度校正-〉高频过滤去噪音-〉反弗利叶变换。
然后就是图像识别本身。计算机图形学发展很快，有很多不同的解决方法。即使保持这个选择多个函数然后如何加权的方法，函数的选择很有讲究。
而对于加权，也有很大的改进空间。
比如可以利用类似语音识别的方法，让系统自己学习，这样只需要提供海量图片去训练系统。让系统自学的方法很多，从最简单的随机尝试，到函数逼近，到矩阵求解，到神经网络，等等。
说明什么？
说明任何一个看起来很简单的已经被（凑合）解决的问题，都可以无限复杂，有无限提高发展的机会。
说明做任何一件事情都可以也都需要非常认真非常专著。正如同广度是无限的，深度也是无限的。干一件事容易，真把一件事干好非常不容易，难度不亚于干十件事。收益也是如此。
有的人也许会觉得，什么都想做，什么都被人做烂了，什么都利润薄，什么都附加值低，什么都没有优势。。。
但是实际上看你有没有心，有没有准备。机会就在身边，核心竞争力往往也就是你自己最熟悉最擅长的。（核心竞争力可以是广度，也可是深度。往广度发展就是自由职业者；往深度发展就是某一方面的专家。）
比如如果你擅长计算机图像处理，做个黄色图片识别软件去卖，只要能做好，就是机会。市场没了也没关系，核心竞争力还在，可以去改做其他任何有市场的图形图像相关的软件，比如娱乐，教育，医疗。
但是如果没有任何核心竞争力，任何机会都跟你无关。适用于个人，也适用于一个公司。
之前有人问计算机今后的发展是什么。。。
对于纯技术论的人，宏观上这个问题没有办法回答也不用回答，因为计算机的发展是由无数的小的技术创新组成的，每个技术创新都有偶然性。（比如：这个世界上如果没有老鼠，也就没有人能发明出鼠标。) 但是具体到某一个领域某一个技术，是需要有利用技术创新引领发展的信心和勇气的。
对于纯市场论的人，宏观上这个问题有办法回答但是不好回答，因为用户需要什么就必须提供什么，技术只是时间问题。但是用户究竟需要什么呢？需要历史数据统计，需要市场调查，需要人群抽样采访调查。。。但是具体到某一个领域某一个客户群，也是需要有开拓市场争得用户的信心和勇气的。
所以说不管宏观上的不确定性，微观上来看，技术人员和非技术人员的目标和态度是一样的：自己希望未来是什么，未来就可能变成什么。未来需要去创造。
这里实际我们并不是真的关心宏观上计算机的发展和人类文明的发展。
我们关心的“仅仅”是微观上在某一领域某一时期如何预测发展方向好创业。
答案很简单：找一个具有核心竞争力的技术，同时又有一个好的市场前景，缺一不可。
还有人说电脑公司情况特殊人才最重要但是问如何才能养得起。。。
跟楼主学：
青山不改，绿水长流，身有要事，后会有期。 |
2009-2-6 02:26:42
|
楼主 
