接到一个视觉图像算法测试的面试邀请，明天面试。
给自己定了计划，了解视觉图像算法的常用测评方式。
上午捣鼓面试软件，升级系统。期间穿插着搜视觉算法相关内容。后来面试软件装好了，就试着自己对着视频回答一些常见的问题，就这样到了中午。又想着去买手机支架，以防电脑出问题。结果这附近店卖手机支架的基本没有，跑了N家买到一个勉强能用的，不会磕到耳机线的。
下午回来，开始专心搜算法测评。
百度知乎CSDN搜关键词，‘算法测评’，‘视觉图像算法’之类的。结果很混乱，没有体系，缠于细节。
跑去知网搜论文，论文内容太深，看不明白，综述类硕博士论文也没有找到合适的。
跑到华为云课堂，阿里云课堂上看有没有相关的入门视频，在华为云发现了一个，结果是从历史渊源讲起的，然后进阶版是直接上手的课题。一天时间限制在这儿，迟迟静不下心来看。
这时候，大致有get到了openCV，TensorFlow两个关键词。
又去了b站，搜视觉算法，搜到几个入门的视频。其中一个听到睡着。。后来换了一个更基础的，但重点在代码实现。决定静下心来，跟着敲会儿代码。但系统又罢工，因为要装面试软件给mac升了级，升级导致anaconda一直各种bug报错，边敲代码，还要边搜IDE的报错解决，心焦的很。
就这样，东一榔头，西一棒槌的，直到傍晚。感觉自己一天什么收获都没有。
虽然许多东西不了解，但一直自认为有超强的学习能力，是这个自信支撑着自己走到现在。然而，这个自信，在傍晚的时候全部崩塌。恰好神仙姐姐打来视频，忍不住狂哭。感觉自己就是个废人。
晚上洗澡回回神，决定承认自己没有能力对全貌有个把控。
想着那至少，至少了解一种图像算法吧。结合自己知道的机器学习算法。就在B站视频的课程中选了一个SVM+HOG的。几度费解到想要放弃，坚持住了，听到了结尾。虽然听得囫囵吞枣。但现在这一刻，终于没有那么挫败了。
也许是累了。
睡吧。
————
今日收获：
tensorFLow：一个用于开发AI计算平台的架构。以图的形式构成。节点有 数据节点，计算节点，存储节点。其中数据用tensor张量表示，是n维的数组。flow 表示运算的顺序。
openCV：图像处理的一个算法库。包含了很多拿来即用的API。
图像
- 像素：用颜色表示(r,g,b) 是三维向量。灰度或者黑白处理后，可以成为一维的数据，r=g=b
- 梯度：相邻像素变化的快慢程度，变化快的大概率是边缘。可以作为图像的特征。
-HOG一种基于梯度的图像特征处理算法，有几个基本概念win--block--cell--bin 。将图像划分成模块处理，还可以通过对较大模块数据进行归一化处理，达到更好的效果。
- 图像时一种数据，在不同算法中，可以表示为点，面，空间粒子等。
-图像处理算法：用了很多图论里的算法，眼熟的有广度优先，深度优先，迪杰斯特拉。
- 视觉图像算法：分传统处理方式，和深度学习的，基于空间的SLAM（这个没查是什么）。
- 传统处理方式：图片获取，预处理，特征提取，结合其他算法进行判决。
END