人臉識別做到現在，做了大概3-4個月，經典的方法都試過一遍了，也做出了對比結果。上篇文章《yale資料集上幾個人臉識別演算法的結果》給出了在yale資料集上的乙個對比結果。
yale資料集較為簡單，比較有challenge的是lfw資料集。作者也給出了不同演算法在lfw上的識別率。剛開始本人也在lfw上使用eigenface的方法做，不過識別率只有可憐的6%（3張訓練集），大受打擊。後來email想gary請教，下面是gary推薦的方法：
在gary的指導下，做出的結果是59.4%。和作者的60.04%差不多。在這之後就沒做其他的實驗了。
人臉識別做到現在，我是已經黔驢技窮。把cvpr，iccv這幾年的*****掃了一下，好多方法基本上是train的方法。本人對pr不熟，確切的說，pr還沒入門。看來在pr上下點功夫，然後再找出一兩篇可行的**，試驗一下結果。
不過，train的資料集，怎麼辦？！！！！
階段性總結
今天聽學長交流了一些人生的經驗，便有了一些感觸，加上對自己最近的學習狀態的總結，就寫一篇部落格給自己一點指示。最近渾渾噩噩的，有幾次考試也沒考好，考後也沒總結。晚自習本想刷一些題，複習一下，或是學習一點技術。看見其他同學在打擺，便動搖了。最後心中也只是徒留深深的罪惡感。所以我也是時候對自己的未來進行...
階段性總結
感覺上個星期還挺痛苦的，因為要練演算法，每個人都告訴我說演算法很重要很重要，但是演算法對我來說就像是一根很亂的神經，一觸就炸了，可我的驕傲還不允許我放棄。在leetcode上練習的時候是直接告訴用什麼方法，在寫藍橋杯演算法的時候就像是閱讀理解，經常讀不懂是什麼意思，要不就是理解錯誤，追根究底還是做的...
語音識別學習階段性總結（一）
一 對語音識別總體認識的簡單敘述 語音識別大體上就是將人類的語音頻號輸入系統，識別出對應的文字。語音合成則是乙個相反的過程，給出文字，輸入系統後能夠輸出文字對應的語音頻號。語音識別的過程大體可以分為兩個階段，前一階段主要是語音頻號的處理，包括語音頻號的預處理，語音頻號的分析 時域分析 時頻域分析 倒...