图像算法学习

先扯几句闲话，以前从来不会想到做电子版的笔记或是总结，一个原因是接触电脑很少，高中以前都没有接触过计算机的，第二是从小到大都是做纸质版的笔记，大学的时候也一直是这样，习惯这种东西很难改变。然而，近几个月学习图像算法，遇到了很多不懂的问题，第一时间想到的是google或是百度，看了好多人的博客，觉得他们写的特别好，既可以帮助到别人，加深自己的印象，也可以时时拿出来复习，综上，我觉得要认真对待博客这件事情。

Things will be difficult before it becomes easy.

打算以后从事图像算法的工作，虽然做算法快一年了，但感觉还是比较弱，以后陆陆续续写下心得，加强算法的学习。

先梳理个最近大致学习方向吧。

1、行人检测、跟踪与识别

行人检测---vibe算法

行人跟踪--Particle Filter、Kalman Filter、反相投影（back project）

行人识别--基于颜色的，需要设计到颜色转换函数

               --基于拓扑结构、时间概率的模型

2、人脸识别

人脸识别是一个大的框架，中间设计到很多步骤：

人脸检测、校正、特征提取、分类

其中特征提取用到的是caffe框架，caffe中设计了好多算法，deep learning、forward、backward、loss、优化问题等等。

分类用到了内积、SVM、Joint_Bayesian

3、Naive bayesian算法，Bayesian网络

4、机器学习十大算法，比如EM算法

5、Andrew 讲解的machine learning学习

6、刚刚看完的数学之美，里面有很多算法基础的东西，很有用，如果google搜索的原理

7、还有很多线性代数，矩阵分析的基础算法，如SVD奇异值分解原理及应用

8、数据结构上的算法，路径规划，最短路径算法。

世界上最痛苦的事情是，快要毕业了，才知道好多东西没学好