2023年8月21號開始了我的第一篇博文，也開始了我的研究生生涯。懷著對機器學習和計算機視覺等等領域的懵懂，從乙個電子材料的領域跨入這個高速發展的人工智慧領域。從開始的因無知而驚慌，因陌生而乏力，到一步步的成長。這過程的知識積累也都大部分反映在這個部落格上面了。感謝這個平台促使自己去總結去堅持去進步。也感謝這個平台給我帶來了和大家交流的機會。藉此博文總結自己過去與未來可能散亂的博文。在此也謝謝大家一直的支援和鼓勵，謝謝。
一、基於計算機視覺的目標跟蹤
計算機視覺、機器學習相關領域**和源**大集合
計算機視覺目標檢測的框架與過程
最簡單的目標跟蹤（模版匹配）
壓縮感知（compressive sensing）學習之（一）
壓縮感知（compressive sensing）學習之（二）
壓縮跟蹤compressive tracking
壓縮跟蹤compressive tracking原始碼理解
tld（tracking-learning-detection）學習與原始碼理解之（一）
tld（tracking-learning-detection）學習與原始碼理解之（二）
tld（tracking-learning-detection）學習與原始碼理解之（三）
tld（tracking-learning-detection）學習與原始碼理解之（四）
tld（tracking-learning-detection）學習與原始碼理解之（五）
tld（tracking-learning-detection）學習與原始碼理解之（六）
tld（tracking-learning-detection）學習與原始碼理解之（七）
時空上下文視覺跟蹤（stc）演算法的解讀與**復現
基於感知雜湊演算法的視覺目標跟蹤
基於meanshift的手勢跟蹤與電腦滑鼠控制（手勢互動系統）
關於計算機視覺（隨談）
二、deep learning 深度學習
deep learning（深度學習）學習筆記整理系列之（一）
deep learning（深度學習）學習筆記整理系列之（二）
deep learning（深度學習）學習筆記整理系列之（三）
deep learning（深度學習）學習筆記整理系列之（四）
deep learning（深度學習）學習筆記整理系列之（五）
deep learning（深度學習）學習筆記整理系列之（六）
deep learning（深度學習）學習筆記整理系列之（七）
deeplearning（深度學習）學習筆記整理系列之（八）
deeplearning源**收集
deep learning**筆記之（一）k-means特徵學習
deep learning**筆記之（二）sparse filtering稀疏濾波
deep learning**筆記之（三）單層非監督學習網路分析
deep learning**筆記之（四）cnn卷積神經網路推導和實現
deep learning**筆記之（五）cnn卷積神經網路**理解
deep learning**筆記之（六）multi-stage多級架構分析
deep learning**筆記之（七）深度網路高層特徵視覺化
deep learning**筆記之（八）deep learning最新綜述
基於3d卷積神經網路的行為理解（**筆記）
三、機器學習相關
機器學習知識點學習
從最大似然到em演算法淺解
淺說機器學習中「迭代法」
徑向基網路（rbf network）之bp監督訓練
模板匹配中差值的平方和（ssd）與互相關準則的關係
生成模型和判別模型
機器學習中的範數規則化之（一）l0、l1與l2範數
機器學習中的範數規則化之（二）核範數與規則項引數選擇
liblinear（svm包）使用說明之（一）readme
liblinear（svm包）使用說明之（二）matlab介面
liblinear（svm包）使用說明之（三）實踐
計算機視覺、機器學習相關領域**和源**大集合
機器學習演算法與python實踐之（一）k近鄰（knn）
機器學習演算法與python實踐之（二）支援向量機（svm）初級
機器學習演算法與python實踐之（三）支援向量機（svm）高階
機器學習演算法與python實踐之（四）支援向量機（svm）實現
機器學習演算法與python實踐之（五）k均值聚類（k-means）
機器學習演算法與python實踐之（六）二分k均值聚類
機器學習演算法與python實踐之（七）邏輯回歸（logistic regression）
基於稀疏矩陣的k近鄰（knn）實現
四、kinect相關學習與實踐
kinectsdk v1.7 新特性、互動框架與新概念
kinect開發學習筆記之（一）kinect介紹和應用
kinect開發學習筆記之（二）kinect開發學習資源
kinect開發學習筆記之（三）kinect開發環境配置
kinect開發學習筆記之（四）提取顏色資料並用opencv顯示
kinect開發學習筆記之（五）不帶遊戲者id的深度資料的提取
kinect開發學習筆記之（六）帶遊戲者id的深度資料的提取
kinect開發學習筆記之（七）骨骼資料的提取
kinect開發學習筆記之（八）彩色、深度、骨骼和使用者摳圖結合
五、語音頻號處理與語音識別
語音頻號處理之（一）動態時間規整（dtw）
語音頻號處理之（二）基音週期估計（pitch detection）
語音頻號處理之（三）向量量化（vector quantization）
語音頻號處理之（四）梅爾頻率倒譜係數（mfcc）
語音的基本概念--譯自cmu sphinx
語音識別的基礎知識與cmusphinx介紹
pocketsphinx語音識別系統的編譯、安裝和使用
pocketsphinx語音識別系統語言模型的訓練和聲學模型的改進
pocketsphinx語音識別系統聲學模型的訓練與使用
pocketsphinx語音識別系統的程式設計
六、運動檢測
運動檢測（前景檢測）之（一）vibe
運動檢測（前景檢測）之（二）混合高斯模型gmm
七、影象特徵分析
目標檢測的影象特徵提取之（一）hog特徵
目標檢測的影象特徵提取之（二）lbp特徵
目標檢測的影象特徵提取之（三）haar特徵
八、影象處理相關
簡單粗糙的指尖檢測方法（fingertipsdetection）
光流optical flow介紹與opencv實現
用單張2d影象重構3d場景
九、影象分割
影象分割之（一）概述
影象分割之（二）graph cut（圖割）
影象分割之（三）從graph cut到grab cut
影象分割之（四）opencv的grabcut函式使用和原始碼解讀
影象分割之（五）活動輪廓模型之snake模型簡介
影象分割之（六）交叉視覺皮質模型（icm）
十、系統工程
基於qt的p2p區域網聊天及檔案傳送軟體設計
基於fpga的紅外遙控解碼與pc串列埠通訊
互動系統的構建之（一）重寫makefile編譯tld系統
互動系統的構建之（二）linux下滑鼠和鍵盤的模擬控制
互動系統的構建之（三）tts語音合成的加盟
互動系統的構建之（四）手掌與拳頭檢測加盟tld
基於meanshift的手勢跟蹤與電腦滑鼠控制（手勢互動系統）
十
一、嵌入式系統
ubuntu12.04安裝與配置
openal跨平台音效api的安裝與移植
yaffs2根檔案系統製作
tts技術簡單介紹和ekho（餘音）tts的安裝與程式設計
android學習筆記之（一）開發環境搭建
十
二、程式設計相關
python基礎學習筆記之（一）
python基礎學習筆記之（二）
matlab與c++混合程式設計（依賴opencv）
十
三、一些行業調研
omnivision的cmos 影象感測器技術發展路線
sony的cmos 影象感測器技術發展路線
samsung的cmos 影象感測器技術發展路線
cmos影象感測器應用例項及其發展趨勢分析
十
四、雜亂
zigzag模式提取矩陣元素
研究生階段的英語學習
1 擴充英語詞彙量 在研究生英語學習階段，英語詞彙量仍然很重要。不管是閱讀英語文獻，還是聽英語聽力 或者翻譯英語學術 都需要有足夠的詞彙量，並且詞彙量越豐富越好。就像我們寫中文文章一樣，同乙個意思有不同的表達方式，選擇最恰當的那一種，可以讓文章錦上添花。寫英語文章，不同的表達方式能夠產生不同的效果，...
研究生初學機器學習的幾點建議
通過我自己的這大半年的接觸和了解，結合找工作需要現對於如何入門機器學習提幾點自己的看法。如果你以後要想幹演算法工程師 機器學習工程師，資料探勘工程師。那麼請你好好看一下 說的話。總路線 先學機器學習，再學深度學習 實驗室某大神學長的建議 至少精通深度學習的乙個方向 cv和nlp。期間要插科打諢地複習...
2021 1 26 研究生英語的學習方法
英語 180分鐘 100分 大綱解讀 除作文外，一切使用真題。一 語言知識 語法 考生應熟練地運用基本的語法知識。本大綱沒有列出對語法知識的具體要求 工具書 劍橋英語語法 中級 詞彙 cambriage dictionary 戀戀有詞全背。多義，聯想詞。劉曉燕語法課 細看一遍並詳細的記筆記，之後只看...