若干年前有句话“干掉熊猫我就是国宝了”，现如今感觉历史在一天天重演

[sgissb1]

无论在 v 站，还是其他技术类站点，有时会看到讨论或变相讨论“某某玩意是世上最好的”之类话题。

就连前段时间，我在做的一个图像处理的项目（用最简单的图像预处理+目标检测来识别答题卡），都被一哥们当着全公司的面说：“是不是答题卡这个项目调一下 opencv 的 api 就行了”，接着这哥们也充斥着各种雷人雷语：“以前做过机器学习，我觉得这个就很简单，可能不超过一百行或者一千行就能写出来的东西”。如果我不是和这位雷人王打过交道的话，我估计都受不了。毕竟 85 还是 82 的哥们，单身，嘴上爱挂着他们 B 公司如何如何的牛逼啥的，其实带个项目都一塌糊涂（早些年我 boss 喊我让我要么连同他的项目一起带算了，看他那么雷，还和我平级，我果断拒绝）

其实早在很多年前（刚毕业 0-2 年）的时候，我也很喜欢对某某技术、某某框架评头论足。自从后来接触了 chromium 、 webrtc 以及一个完整的音视频双向直播以后，我开始逐渐看开。

技术似乎现在被分为两类：工程类技术、科学类技术。 其实大家现在接触的，大多数是工程类技术，为了解决一类或者一群工程类问题演变出来的技术，没有谁好谁坏。只有谁更适合应对这样的场景。正如《设计模式》还是某本书前沿中说的一样：“好的构架师不会对某种设计模式评头论足，而是觉得这样的设计似乎更自然一些。”

人往往就是被一时冲昏头脑，就如我所说的那个雷人王一样，他认为我能做出来，他也一样能做出来一样。当我当着大家的面说：“我们主要在降噪、二值化和目标检测上做了一些事情时”，他居然还没有听明白时，我已经意识到他好像对部分知识的欠缺，以至于我后来和他说：“以前在学校的时候，我图像方向的，和老师搞过空域上的图像比对和图像 0矢量化压缩”时，他都还不知道放下内心的狂妄。

年纪大了一点，发现人就好叨叨。有时候很想把一些经验传播给我周围关系好的人，但发现听得进去的不多，以至于变成现实时，也还在一根筋。

今天也算是看到 v 站以及看书有感而发了。

[tomczhen]

其实反向推断，即便没有科学素养（高数这块）也是能做好程序员的，但是人要保有敬畏之心。

[Khlieb]

@tomczhen 的确，如果没有敬畏之心，人就会变得谮妄起来。

[ma125125t]

这个世界上存在这么一批人，浮夸，烦躁，想要一步登天。在以前的时候，通常出现在娱乐行业，因为那个行业需要这样的人。如今慢慢地充斥到别的领域，工程、科技，甚至科研领域中都出现这批人的身影。我见过每天在 github 上提交一个句号以保持“全绿”并号称自己多么勤奋的程序员，也见到不够资格评两院院士的屠呦呦十几年做研究获得诺贝尔奖。究其原因，我想是与这个飞速发展的时代密切相关的。整个社会以金钱为导向、驱动力，以金钱为评判人的标准迫使着每一个人。我相信无论哪个时代，总会有默默地做自己热爱的事业，或者是为了理想做一些事情的人。但也不可避免的，会出现一些沽名钓誉之徒。

扯远了，抱歉。至于楼主你所描述的那类人呢，通常连沽名钓誉都称不上，纯粹就是水平不够，眼界又比天高，脸皮还厚罢了。

[shijingshijing]

@sgissb1 对待这种张口就来的人，下次就是一句话，你行你上。下次如果有类似的或者更难的图像处理项目，直接跟老板说， xx 在 B 公司做过类似项目，而且他在平时交流中也对现有的 xx 提出过一些意见，我觉得 xx 项目可以让他试试。然后坐看他如何傻逼。

OpenCV 不过是一个 Framework ，真正的大牛都是玩 Matlab 改进算法的，如果觉得我的方法有问题，那么提出来做技术讨论是可以的；这种靠贬低别人来抬高自己的人，远离即可，次数多了，老板自然会了解实际情况的。

不过我的脾气一般是直接当面打脸的，这斯不是说什么机器学习么，换了是我我就当面这样说，哎呀，我们这边刚好有个用到了神经网络，有部分代码没怎么看懂，您是高人帮我们看看然后给个实现怎么样？然后速度 google scholar 随便找一个 ANN 方面刚发的论文，中间不用看详细算法，只看作者的实验结果，然后丢给这厮。

[lizon]

传播什么呀，没有意义，其他人还觉得是你在装。有人主动问的话另说。
细节是魔鬼。
自己过得爽，看得清，就行了，人和人无法相互理解。

[xiangtianxiao]

啊...难道不是调用一下 OpenCV 的 API 么？

[surfire91]

文人相轻
码农界也差不多

[bdbai]

@xiangtianxiao 你这个头像是啥？

[9hills]

@xiangtianxiao 瞎说什么<_<，答题卡识别是非常高深的图像识别应用， OpenCV 这种开源的小破程序也能搞出来？

[xenme]

@9hills 我怎么感觉答题卡这种规则的简单二值话就好了啊。

[sgissb1]

@tomczhen
@Khlieb

一句话，别太狂就好，各有各的道。解决工程问题中的高手确实有，不过可能经历奇葩点，多数狂的人，都不怎么样（实际工作产出）。


@shijingshijing 你还真别说，我就说：“你行你上”，谁他更不要脸，开始和我扯公司战略问题，我就尿了。不过也不是第一个遇到这种人了。

opencv 确实类似框架，不过里面还是有很多微积分的东西。用 matlab 验证算法是最快和有效的，我的降噪就是在 matlab 里面验证的，自己捣鼓着玩蛮有意思的。其实我也没打算给他一般见识，关键这哥在我们公司狂的出奇，毕竟我们是小公司，人家 B 公司出来的，反正具体也不多说了，雷死很多人了。

主要感慨国内真正搞算法的不过，很多都是挂着羊头卖狗肉的。我这边招的音视频和图像算法，有些人连算法这个词都不配（广义的算法可以理解成一种业务逻辑，关键连自己做过的事情都讲不清楚。）

[Trim21]

@bdbai 莱娜图

[sgissb1]

@xiangtianxiao
@9hills

你们看，你们大神来打脸就不好了。毕竟我也没读过什么书，吓倒腾。我就会少数几个 api 没办法，我们这边缺人不嫌弃请发我一下简历吧，我也不想做了，内推给您的。

[sgissb1]

@bdbai 这个图。。。很有名好不好，这个图的完整版是个有点黄的。当时学校学的时候，就是大多数例子是这张图了

[sgissb1]

@lizon 我就和一个巴掌这么多的人关系好（或者我认为值得交心的），其他人我懒的管。

不过后来想想也算了，现在脱离以前那个岗位，我和别人的兄弟做更有意思的事情，想想还是蛮好玩的。以前的事情，就让那些人自己体会好了。

不过说真的，我还真是看在我领导的面上，我就觉得我的直接 boss 和间接 boss 值得跟，要不谁会投入这么多，到头来狗咬吕洞宾。

[9hills]

@sgissb1 说你难度地低你不乐意，说你难度高你也不乐意。

[sgissb1]

@9hills 您看，我可没有说过难度高低，不是有句话叫：
会者不难难者不会，我倒是不会所以我觉得难。不过我说那位雷人大哥，我觉得他和我一个范畴的（属于不会的）。

您的话，我不是很清楚。但您的 id 还是蛮眼熟的，我觉得对您来说应该不难

[sgissb1]

@ma125125t 英雄不问出处，关键怕就怕在自己输出或者贡献（项目中）不咋地，还很喜欢到处指指点点，自我感觉优越或良好的。

我都不好意思说，我 boss 问我那个事情的时候，估计就是觉得他人不行了。

最近我也在反思我自己，其实我基础也不好，工作这么多年，没有沉下心来往数学方面补补一下，现在工作上用到的不是接近数学的，就是直接要用数学的；很是头疼。
不过能经下心来好好搞搞技术（不管是工程类还是科学类，其实现在我能接触的多数是工程类了，真正和科学沾边的就是编解码的算法，还有特征相关的算法了。），还是蛮开心的。

最近在看心理学的书，其实狂妄和容易影响情绪还是属于情商方面的问题。所以也在锻炼控制心态，转变一些做法。有时候要证明一个人真的算不算得上顶梁柱，就看这个人能不能被替代就对了（烂代码除外）

[wizardforcel]

降噪、二值化连摆弄 PS 的人都明白，他一个玩 OpenCV 的人还不明白也是见了鬼了。机读卡的边上都有识别条纹的，这种东西还上 ML ，也只能是显摆他学过 ML 了。

[bdbai]

@Trim21 @sgissb1 原来如此。之前读某个图像库的教程时也看到了这张图，觉得眼熟。

[FrankD]

@sgissb1 PlayBoy 的封面怎么就黄了。。。那是性感

[feilaoda]

说的挺好

[Rubbly]

降噪、二值化、目标检测这几个光是概念上来看是很简单，但是在很多应用场景中也会遇到各种问题，能解决好也不是这么简单，当然 Po 主的重点当然不在这个上面。
其他很多话还是很同意的，身边也的确遇到过这些人，是很烦。。

[shijingshijing]

@xiangtianxiao
@9hills

两位想必是在学校里面做项目用过 OpenCV 吧，二值化的算法实现也不难，确实感觉没什么技术含量。

不过，二位要是正真做过这种工程项目就知道了，真正做出健壮的应用，能够稳定的输出正确结果，远远不是二值化就能够搞定的，实际工程中要考虑到是不是误图，是不是铅笔污渍，黑框图不满到底图到什么程度算他正确，图的浓度不够怎么处理，这都是要花心思去调整图像处理和模式识别算法的。即使是二值化算法本身，阈值选取也需要大量经验积累然后才能得出的。我以前给朝日新闻做过 Adobe 的 OCR 插件，日本人提供过来的数据，让我目瞪口呆，包括纸张的色纯度、洁净度、反光度都是有大量实际数据记录的，报纸、打印纸、广告纸、牛皮纸等等都有详细的数据支持，所以最后按照他们的思路做出来的东西健壮性这一块特别强，基本上很少有漏识别、识别错误等情况。我特别佩服日本人的。

V2 上有很多用嘴巴编程的人，这是非常不好的一种现象。希望大家多一些技术性的讨论，不要一上来就这个东西不就是 xx 这种论调。很多东西都是看似容易做实难。

[shijingshijing]

@Trim21

Lenna

https://en.wikipedia.org/wiki/Lenna

[9hills]

@shijingshijing 然而你说的这些对答题卡识别来说，并不是很困难。

图像处理水很深，但也不要随便拿一个题目就开始好么。你说这么多也不过是在用嘴巴编程罢了。

[shijingshijing]

@9hills 真的么？你做一个答题卡识别的看看？ show me the code and result.

看你的资料和以前发的帖子，我估计我们的对话到此为止了。

[9hills]

@shijingshijing 你也可以 show me your code ，愣是吹一个简单的东西，也是呵呵

[9hills]

@shijingshijing 另外既然让我写，那你总得给我提供原图吧，我图像处理虽说外行，但也想试试

别怂哈

[bengol]

lz, why are you so diao

[levn]

好无聊额

[sgissb1]

@FrankD 这怎么就只是封面呢？明显是一部视频好不？

@Rubbly 感谢，确实概念简单的飞起。不过真心研究一下，还是有很多东西的。降噪就够玩一壶了。

@shijingshijing
@9hills
二位消消气，不要再继续争论了。任何工程问题有简单的做法，也有复杂的做法。就如人脸识别，目标检测一样，最简单就是 opencv 的例子抄一下，然后套个 svm 就可以忽悠用户了。

但从实际场景出发去看的，有点不一样的。我们的答题卡主要是在普通的 a4 a3 纸张（ 70g ）上使用，然后给 teenage 的少年们用，所以真正难点有很多。大家都曾经年轻过，知道我们当年如何的调皮的。

我没有把我们答题卡项目讲的太细，那是我不想说太多这方面，我只想表达。人不能太狂，无知和有知是区别的，我也遇到过一些真大神，他们的谦逊和代码写起来犹豫说普通话一样自然，我也很诧异的。往往无知的人才喜欢那啥啥。

另外答题卡识别有很多识别方式和场景，只是老板不想用高考哪种方式，要不然也不需要我去做。

另外 9hills ，劝你一句，你确实是图像处理的外行（至少从你以往的帖子和你的 github 上看），我也是外行。但我已经说了，你想试试你就发简历来，音视频编解码方向的也可以。


@bengol 我当年热血了一把，在某信上注册了，然后 id 就是:i am just so diao 。。。。

[sgissb1]

@feilaoda 谢谢哈

[sgissb1]

@wizardforcel 如果用机读卡还用 opencv ，那我觉得脑子是不是有点问题。不过问题是，我们的场景使用图像拾取设备。^_^

[weisdong]

做开发 还要涉及到数学啊，我现在知道为毛程序猿没有女的了，当年分文理科时 很多女生选择文科了。

[sgissb1]

@shijingshijing
@9hills

另外我说一下，我这边的参数大部分都是动态的，不是我在程序里写死的电话号码。我组里有个研究生哥们，号称做音视频很吊的，给他自己一个人用 opencv 做，事实上什么都做不出来，成天就想着趁我不在的时候，拷贝我的 demo 代码。

然后给了他 demo ，也还是做不出来，连我怎么做的都不知道。降噪有一个分支是自适应降噪，二值化也有一个分支是自适应二值化。

实际上好的图像处理，都在想办法做到更优的自适应，仅仅倒腾个自适应二值化就够玩的。虽然有很多自适应二值化算法，不过不能直接用。

我现在用的自适应降噪，只是我通过 matlab 瞎倒腾出来而已，学校的项目不同于商业项目，我也是在学校给老板打工多年的人，这一点我还是很清楚的。

opencv 里面有很多 api 是不能直接用的，例如他的自适应二值化，就不能满大街乱用的。

[xcodebuild]

傲慢的人无论是做工程还是做学术都会自以为是，瞧不起其他人（或者其他人从事的事情）。

[9hills]

@sgissb1 呵呵，传统答题卡开始转进成不同的场景。还投简历，你能开出 80w/year 的薪资再说吧

[laoyuan]

笑眯眯的回应：“是啊是啊，可惜这次交给我们做了，下回一定让你们做。”
是不是显得情商比较高？

[xiangtianxiao]

lz 如果公司允许的话，发个图看看呗。

[9hills]

@sgissb1 另外既然您光临了我 4 、 5 年没更新的 github ，我也看了下您的发帖历史（有个帖子还有简历）
大概了解了技术水平，不过看这个帖子从开始就充满的那种奇怪的感觉，道不同不相为谋。

另外絮叨几句，工程实践就是在投入产出中进行平衡，你可以拿答题卡识别各种转进，找各种场景。但是实际上并没有任何的卵用，因为有更简单，更省成本的方案。

比如你说有人随便瞎涂答题卡，要如何如何识别。你知道以前我们高中怎么解决的么，答题卡上乱写乱画直接 0 分。

[issues]

涨姿势了

[canautumn]

答题卡识别是个科学问题，用 OpenCV 很快能写出来不错；不过把答题卡识别正确率从 99%提高到 99.99%则是一个工程问题，光用 OpenCV 的 API 是不够

[9hills]

@canautumn 答题卡的准确率 openCV 没有太大的问题，难点是召回率

但是工程上是可以接受比较低的召回率的

[ericls]

没读过书的表示以后遇到不懂的就问 遇到牛逼的就学 少说话

[canautumn]

@9hills 哦原来是这样？按楼上的说法我以为 OpenCV 只是一个框架，算法要自己写；不知道这个东西还自带答题卡检测功能，而且这个功能可以达到很高的准确率和很低的召回率？

[Troevil]

其实很大一部分时风气问题, 现在这个世道 能吹的总是不会饿死

[9hills]

@canautumn OK ，你要认真，我可以给你详细写下，希望以后多学语文

OpenCV 自带的方法+简单的数学处理，就可以实现传统答题卡的高准确率识别，但是召回率需要各种优化

另外 OpenCV 不是一个框架，你可以理解是一个 interface 集合，和框架是完全不同的两回事

[framlog]

貌似 opencv 有对象识别，只要给训练好的 xml 就行

[canautumn]

@9hills 我语文不好，“简单的数学处理”这几个字没办法忽略吧？

[9hills]

@canautumn 呵呵，你自己去看你的发言和我的留言

你的：答题卡识别是个科学问题，用 OpenCV 很快能写出来不错；

我的：答题卡的准确率 openCV 没有太大的问题，难点是召回率

哦，好像都省略了『 API 』，只允许你省略，不允许我省略

[sgissb1]

@9hills 你这人怎么这么搞，你场景都给我定好了？你怎么不来做 CEO ？

[sgissb1]

@canautumn 请不要和 80w /year 的大神继续聊了，我看着提醒都很烦了。

哥们你让一步，我错了，我不该和大神去争的，毕竟世界是围着他转的。

[9hills]

@sgissb1 80w /year 只是弥补和像你一样的同事共事的精神补偿金。

另外我终于发现我为什么看到这个帖子立刻很反感，细看了下，原来是喜欢背后同事坏话，这种很 Low 的行为，我只能希望你同事不上 V

[canautumn]

@9hills 我没有省略“用 OpenCV ”这个“用”字呀…

[sgissb1]

@xiangtianxiao 图没有，我们是老师自动在页面上编辑题目，然后自动生成图片，打印机打印出来，给学生做，再收回来处理。

特征是由我们做图像的人给出来。

[canautumn]

@sgissb1 聊天嘛，反正现在大家都没什么事。

[sgissb1]

@canautumn 垃圾信息太多，我都脑子过滤不过来了。又不见得牛逼的可以改变世界，还这么狂。我都 block 了，哥们你也省省 v 币。你注意看回帖，谦逊的人，很快就有变化。狂妄的人正和我说的那个雷人王各种雷同着。

我实在忍不住了，差点笑喷了。

[xxdd]

看来题主很稳重 要是我遇到这种人 撕逼加打脸(￣▽￣") ···

[SmiteChow]

是这样的，不仅计算机科学分为学院派和工程派，现在连工程派都开始分化了：一部分人追求工程极致（代码风格按字符级别矫正，分层接口细到大部分代码是为框架而生，模块化到文件数是 feature 的数倍等），一部分人追求一般的工程质量＋适时的重构＋ work around 。

我看得很开，觉得大千世界，缤纷不同才精彩。

[9hills]

@sgissb1 得了吧，就一个背后祥林嫂，还巴巴的不断回复找其他人的认同感，这是心理多脆弱。。

[SmiteChow]

忘了说了，倒不是攻击，我只是分类一下： uncle bob 就是追求工程极致的榜样， ying wang 和我自己应该算后面一类

[tjxjj]

也要好好磨砺一下自己的性格
和这个世界相处，真的不容易

[9hills]

@SmiteChow 我是前面一类，可能更加过一些。有些需求如果可以用非工程的办法解决，那就不用工程的办法。

再举个例子，比如某人做的答题卡识别的召回率比较低，只有 99.9%，也就是 一千份卷子中的一份需要人工识别
而从 99.9% 改进到 99.99%，可能需要耗时一个 RD 7 个工作日，价值 3000 块。

但是卷子总量只有 100w 份，也就是人工需要识别 1000 份，随便招个临时工一会就弄完了，价值 300 块。


那我会选择 2 ，只有当 2 的成本大于 1 的时候，才会选择 1

[byron]

歪个楼。
一堆扣子，基本没有特征点的这种。
要进行数量的识别，用什么思路搞比较好呢？

类似下面这种口子。

[zhicheng]

@byron 这是没特征？

[sgissb1]

@xxdd 感谢，其实我并不是非常稳重的人。

@SmiteChow 还有派系不明确自己造轮子的。别忘了他们，他们在任何行业，任何工作上都有。

@tjxjj 其实也不见得不容易，关键看遇到什么样的人。

@byron 粗略的特征好明显好不，你这是来打我的脸吗？如果你的大部分图像是这样的场景拾取的，主要问题还是要想办法去掉背景中的纹理（板凳“皮”上的纹理），接着要考虑粘连的情况。因为有些纽扣做完二值化之后可能会出现粘连的情况。简单的直接用边缘检测可能不行。另外如果颜色（伪颜色）都是确定的，也可以考虑分通道处理。

办法也很多，看你的场景了。纽扣检测和计数的我也见到很多哥们在做，不过不清楚具体的情况，没做过。

[answeror]

@byron http://docs.opencv.org/3.1.0/d3/db4/tutorial_py_watershed.html
http://www.pyimagesearch.com/2015/11/02/watershed-opencv/

[hinkal]

楼主说的这种人我也遇到过，水平一般，但装逼水平满分。但是不过觉得楼主也是值得自我批判的，说白了就是看不惯年轻人藐视自己。

[CTO]

我倒是蛮懒惰、傲慢、缺乏耐性的。。

[zhicheng]

@sgissb1 这个根本不需要考虑纹理。。。

[introom]

不知道，反正只要是应用数学，我觉得都大同小异，

[wanttofly]

以前老是觉得自己太张扬，后来渐渐变得太谦卑（对，就是这个词，我觉得太合适），好像有些不自信了，逛多了知乎和大牛的个人博客，渐渐会把自己看的很低。当然了，涉及到程序的时候的自信还是很多的，哈哈。但是就感觉世界上牛人实在太多，周围牛人实在太多，自己太渣。我的这种想法是不是也有点惨

[anyforever]

楼主就是个爱操心的命（非贬义），从这几点上就能看出来对方的态度，估计再过一段时间，你们就会拉开差距，不用急。

[zhicheng]

@byron @sgissb1 @answeror



代码

http://www.pyimagesearch.com/2015/11/02/watershed-opencv/

[shijingshijing]

@zhicheng 分水岭也是玩的溜啊～ 边缘识别出来以后，考虑求取各区域的 RGB 均值，可以分出粉色和白色。

PS ：现在用 Python 也可以这样玩了啊，我一直是在 C/C++下面弄 OpenCV 。

[shijingshijing]

@sgissb1 不要浪费时间。

[sgissb1]

@shijingshijing
@zhicheng

牛逼哈，我当时想到距离变换。哈哈哈哈。

不过可能是特征和原始图的关系，我赶脚 otus 不能直接做二值化（实际场景中）。看来多虑了，应该就事论事去看图。

[sgissb1]

@shijingshijing 已经那啥了，你懂的。

[byron]

@sgissb1 嗯，这一张是比较好识别的。
现在的需求是，固定的摄像头实时监控，之后点一个按钮，会抓拍一张照片，然后识别这张图片上的扣子数量。
而这张图片可能由于光线原因、角度原因，造成的扣子大小、颜色都会有不同。

我之前的做法是，阈值变换后，计算边缘，算有多少个圆。相连部分就来计算面积。

现在的问题就是必须固定摄像头，固定角度，高度，光线环境差不多一定，才可以很好的识别。

我们想达到的目的是，不论啥设备，啥分辨率，对焦，都不考虑，随手一拍即可完美识别。

[byron]

喔，我用的是 AForge

[sgissb1]

@byron 你说的最后一句话比较头疼。如果要考虑有颜色的，那么伪色彩会很头疼。有些摄像头会把白色拾取成粉色

[byron]

@sgissb1 你说的没错，所以我尝试颜色后，就放弃了，转而做阈值的处理，但是现在是碰到极限了。

而且不是专业做这个的，只是碰到一个小项目需要用的图像识别，如果没有啥好的方法，现在也只能这样了。

[sgissb1]

@byron 其实最难还是从摄像头拾取，就算摄像头是固定的，但也不好弄。

我们这边最终的目标是要做到拍照识别（连通普通楷体识别，不用识别手写体）。

不过想想也确实麻烦，摄像头拾取进来还会有抖动问题，一大堆噪声问题。确实回帖里那哥们给的图像对突出（特征），不过实际用就没这么好弄。最近也在发愁，好在我们不用考虑颜色问题，后续可能会加强一些图像底层处理（非机器学习部分），后面再把机器学习部分连起来，或许会好点。

我也在一步一步的弄。

[mko0okmko0]

早上一看,哇!这帖的回应一定很学术,很有深度,快收藏.
结果忙完下午一看....太多护贬让这帖的技术价值下降了...

上周才去一个自动化展,结果发现工厂的视频检测跟自然环境识别是有落差的.双方讨论交集好少.
影像前处理也是个门槛,每个人做法不一样也很难讨论谁好谁不够好.

伪色问题不是也该解决吗?恩...我是自然环境目标辨识的,所以有很多杂讯,伪色,镜像,影子干扰等,所以有认真处理.

不只 CV 要会用吧,太多影像辨识的相关软硬体(没错,软硬都有)需要掌握,还有自己要会写功能来实现需求.
后面靠 FPGA 来实作加速也是要有准备,不然不能实时完成辨识,赚钱方面就有困扰.
还有训练样本仓储,结果我又研究了影音编码跟档案系统,并行连机计算,跨好大(累.

自然环境识别数量这问题我一直没有解决的很好.因为我焦点都放在任意目标正确性上了.
任意目标,所以没有所谓的特定特征了,还有,我无法选择视讯来源,甚至图片来源.

我也是走到快弄公司自己走了.

共勉的话:
当你自己做到敢成立公司走辨识这条路了,不管你成绩如何,我都认为你值得尊敬,
因为你用行动表明你的心.而不是靠嘴.

希望这帖能有更多技术交流.

[sgissb1]

@mko0okmko0 3Q ， v 站很容易水贴，平常心。回帖里能有几个再讲讲和工程、技术有关的人就算不错了