“良好的习惯,才不会让努力白白浪费。”
在2018年下半年至2019年上半年,我加入了实验室人脸识别项目组,参加了该项目的早期科研课题。起初,该项目的实际操作包括两大部分,分别是理论研究和实际操作。
理论研究,以人脸识别为关键词,关注世界前沿文献为主。
实际操作,实验室入手了关于人脸识别的若干实验组件,包括配套电脑、GPU(从1080ti到Tesla V100)、以及若干海康威视摄像头。数据的获取,以网络视频数据集、本校校园内监控数据(极少数),及本实验室自己模拟的视频数据集为主。除此之外,包括参与使用QT进行前端打卡界面的设计工作,以及前端和后台间的数据传输工作(该部分工作属于涉及,而非主要)。
而我参与的部分,从实验硬件设备的搭建工作开始,电脑实验环境配置,GPU机箱安装,摄像头安装及调试,及若干硬件工作。理论方面,主要基于YOLO算法进行的研究和试验。而我们工作的目标,也主要是为了应用落地,其次才是发表文章。所以,个人认为,这份项目经验,非常宝贵。终于不再是书面知识,而是落实到了实实在在的地方,看得到,摸得着。
关于YOLO算法的理解,
“目标检测算法取得了很大的突破。比较流行的算法可以分为两类,一类是基于Region Proposal的R-CNN系算法(R-CNN,Fast R-CNN, Faster R-CNN),它们是two-stage的,需要先使用启发式方法(selective search)或者CNN网络(RPN&