|
1、想设计一种一统天下的算法是痴人说梦,不同的目标识别必须为其量身定做相应的算法。即使是同一种目标,有时在不同的状态下,也需要设计特定的算法。
2、对目标进行识别时,需要对大量的样本进行分析,首先应对样本进行人工分类,然后尽可能地增加样本数量,直到你增加任何一个样本,都可以投放到你所分的类别中。
3、目标有很多特征,但是你一定要区分开处于不同尺度的特征,不能将它们混为一谈,大尺度的特征可能有助于你对目标进行定性计算(分类),而微尺度特征可能有助于你定量计算(识别结果)。
4、任何目标特征,必须用数学语言描述出来才有意义,如果你有一种潜意识的感觉将某些目标归为一类,你却又无法用数学语言描述它,赶紧抓住这种感觉,先用自然语言去描述它,然后逐步过渡为数学语言,说不定一篇好paper就出来了。
5、识别目标并不是选择的特征越多越好,特征多了,特征之间本身存在一些矛盾,会使算法精度降低,寻找短小精悍能区分目标类别的特征才是王道!
6、设计出一种算法,需要用大量的样本测试,才能证明你算法的健壮性。测试结果不好,不要害怕和气馁。振作精神,把你的结果分为优、良、中、差四个级别,从“良”开始分析,为什么达不到“优”呢,算法哪些地方还需要改进,通过改进可以在不破坏现有“优”的情况下,将“良”变成“优”吗?还是要为结果是“良”的样本设计新的算法?如此递进,直至所有样本得到优的结果。
7、设计一个自己的算法库,将有效的算法集中存放起来,日后必定会派的上用场。
8、设计算法时,首先不要考虑处理速度的问题,而应将处理效果放在首位(特殊场合除外),将处理效果良好的算法进行简化,或者将算法思想重新用新的形式表达,速度问题是可以改善的。
9、学习图像处理应该是针对实际问题去找理论工具,而不是先学习理论工具再去找靶子。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-7-18 14:31
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社