这是一个创建于 3323 天前的主题，其中的信息可能已经有所发展或是发生改变。
无论在 v 站，还是其他技术类站点，有时会看到讨论或变相讨论“某某玩意是世上最好的”之类话题。
就连前段时间，我在做的一个图像处理的项目（用最简单的图像预处理+目标检测来识别答题卡），都被一哥们当着全公司的面说：“是不是答题卡这个项目调一下 opencv 的 api 就行了”，接着这哥们也充斥着各种雷人雷语：“以前做过机器学习，我觉得这个就很简单，可能不超过一百行或者一千行就能写出来的东西”。如果我不是和这位雷人王打过交道的话，我估计都受不了。毕竟 85 还是 82 的哥们，单身，嘴上爱挂着他们 B 公司如何如何的牛逼啥的，其实带个项目都一塌糊涂（早些年我 boss 喊我让我要么连同他的项目一起带算了，看他那么雷，还和我平级，我果断拒绝）
其实早在很多年前（刚毕业 0-2 年）的时候，我也很喜欢对某某技术、某某框架评头论足。自从后来接触了 chromium 、 webrtc 以及一个完整的音视频双向直播以后，我开始逐渐看开。
技术似乎现在被分为两类：工程类技术、科学类技术。 其实大家现在接触的，大多数是工程类技术，为了解决一类或者一群工程类问题演变出来的技术，没有谁好谁坏。只有谁更适合应对这样的场景。正如《设计模式》还是某本书前沿中说的一样：“好的构架师不会对某种设计模式评头论足，而是觉得这样的设计似乎更自然一些。”
人往往就是被一时冲昏头脑，就如我所说的那个雷人王一样，他认为我能做出来，他也一样能做出来一样。当我当着大家的面说：“我们主要在降噪、二值化和目标检测上做了一些事情时”，他居然还没有听明白时，我已经意识到他好像对部分知识的欠缺，以至于我后来和他说：“以前在学校的时候，我图像方向的，和老师搞过空域上的图像比对和图像 0矢量化压缩”时，他都还不知道放下内心的狂妄。
年纪大了一点，发现人就好叨叨。有时候很想把一些经验传播给我周围关系好的人，但发现听得进去的不多，以至于变成现实时，也还在一根筋。
今天也算是看到 v 站以及看书有感而发了。
 | 1 tomczhen 2016-09-06 18:06:45 +08:00  1 其实反向推断，即便没有科学素养（高数这块）也是能做好程序员的，但是人要保有敬畏之心。 |
 | 3 ma125125t 2016-09-06 18:33:08 +08:00 2 这个世界上存在这么一批人，浮夸，烦躁，想要一步登天。在以前的时候，通常出现在娱乐行业，因为那个行业需要这样的人。如今慢慢地充斥到别的领域，工程、科技，甚至科研领域中都出现这批人的身影。我见过每天在 github 上提交一个句号以保持“全绿”并号称自己多么勤奋的程序员，也见到不够资格评两院院士的屠呦呦十几年做研究获得诺贝尔奖。究其原因，我想是与这个飞速发展的时代密切相关的。整个社会以金钱为导向、驱动力，以金钱为评判人的标准迫使着每一个人。我相信无论哪个时代，总会有默默地做自己热爱的事业，或者是为了理想做一些事情的人。但也不可避免的，会出现一些沽名钓誉之徒。 扯远了，抱歉。至于楼主你所描述的那类人呢，通常连沽名钓誉都称不上，纯粹就是水平不够，眼界又比天高，脸皮还厚罢了。 |
 | 4 shijingshijing 2016-09-06 18:50:31 +08:00 @sgissb1 对待这种张口就来的人，下次就是一句话，你行你上。下次如果有类似的或者更难的图像处理项目，直接跟老板说， xx 在 B 公司做过类似项目，而且他在平时交流中也对现有的 xx 提出过一些意见，我觉得 xx 项目可以让他试试。然后坐看他如何傻逼。 OpenCV 不过是一个 Framework ，真正的大牛都是玩 Matlab 改进算法的，如果觉得我的方法有问题，那么提出来做技术讨论是可以的；这种靠贬低别人来抬高自己的人，远离即可，次数多了，老板自然会了解实际情况的。 不过我的脾气一般是直接当面打脸的，这斯不是说什么机器学习么，换了是我我就当面这样说，哎呀，我们这边刚好有个用到了神经网络，有部分代码没怎么看懂，您是高人帮我们看看然后给个实现怎么样？然后速度 google scholar 随便找一个 ANN 方面刚发的论文，中间不用看详细算法，只看作者的实验结果，然后丢给这厮。 |
 | 5 x8 2016-09-06 18:57:25 +08:00 传播什么呀，没有意义，其他人还觉得是你在装。有人主动问的话另说。 细节是魔鬼。br />自己过得爽，看得清，就行了，人和人无法相互理解。 |
 | 6 xiangtianxiao 2016-09-06 19:12:18 +08:00 via Android 啊...难道不是调用一下 OpenCV 的 API 么？ |
 | 7 surfire91 2016-09-06 19:24:12 +08:00 文人相轻 码农界也差不多 |
 | 8 bdbai 2016-09-06 19:45:45 +08:00 via Android @xiangtianxiao 你这个头像是啥？ |
 | 9 9hills 2016-09-06 19:52:45 +08:00 @xiangtianxiao 瞎说什么<_<，答题卡识别是非常高深的图像识别应用， OpenCV 这种开源的小破程序也能搞出来？ |
 | 11 sgissb1 OP @tomczhen @Khlieb 一句话，别太狂就好，各有各的道。解决工程问题中的高手确实有，不过可能经历奇葩点，多数狂的人，都不怎么样（实际工作产出）。 @shijingshijing 你还真别说，我就说：“你行你上”，谁他更不要脸，开始和我扯公司战略问题，我就尿了。不过也不是第一个遇到这种人了。 opencv 确实类似框架，不过里面还是有很多微积分的东西。用 matlab 验证算法是最快和有效的，我的降噪就是在 matlab 里面验证的，自己捣鼓着玩蛮有意思的。其实我也没打算给他一般见识，关键这哥在我们公司狂的出奇，毕竟我们是小公司，人家 B 公司出来的，反正具体也不多说了，雷死很多人了。 主要感慨国内真正搞算法的不过，很多都是挂着羊头卖狗肉的。我这边招的音视频和图像算法，有些人连算法这个词都不配（广义的算法可以理解成一种业务逻辑，关键连自己做过的事情都讲不清楚。） |
| 13 sgissb1 OP @xiangtianxiao @9hills 你们看，你们大神来打脸就不好了。毕竟我也没读过什么书，吓倒腾。我就会少数几个 api 没办法，我们这边缺人不嫌弃请发我一下简历吧，我也不想做了，内推给您的。 |
| 15 sgissb1 OP @lizon 我就和一个巴掌这么多的人关系好（或者我认为值得交心的），其他人我懒的管。 不过后来想想也算了，现在脱离以前那个岗位，我和别人的兄弟做更有意思的事情，想想还是蛮好玩的。以前的事情，就让那些人自己体会好了。 不过说真的，我还真是看在我领导的面上，我就觉得我的直接 boss 和间接 boss 值得跟，要不谁会投入这么多，到头来狗咬吕洞宾。 |
| 17 sgissb1 OP @9hills 您看，我可没有说过难度高低，不是有句话叫： 会者不难难者不会，我倒是不会所以我觉得难。不过我说那位雷人大哥，我觉得他和我一个范畴的（属于不会的）。 您的话，我不是很清楚。但您的 id 还是蛮眼熟的，我觉得对您来说应该不难 |
| 18 sgissb1 OP @ma125125t 英雄不问出处，关键怕就怕在自己输出或者贡献（项目中）不咋地，还很喜欢到处指指点点，自我感觉优越或良好的。 我都不好意思说，我 boss 问我那个事情的时候，估计就是觉得他人不行了。 最近我也在反思我自己，其实我基础也不好，工作这么多年，没有沉下心来往数学方面补补一下，现在工作上用到的不是接近数学的，就是直接要用数学的；很是头疼。 不过能经下心来好好搞搞技术（不管是工程类还是科学类，其实现在我能接触的多数是工程类了，真正和科学沾边的就是编解码的算法，还有特征相关的算法了。），还是蛮开心的。 最近在看心理学的书，其实狂妄和容易影响情绪还是属于情商方面的问题。所以也在锻炼控制心态，转变一些做法。有时候要证明一个人真的算不算得上顶梁柱，就看这个人能不能被替代就对了（烂代码除外） |
 | 19 wizardforcel 2016-09-06 21:17:41 +08:00 降噪、二值化连摆弄 PS 的人都明白，他一个玩 OpenCV 的人还不明白也是见了鬼了。机读卡的边上都有识别条纹的，这种东西还上 ML ，也只能是显摆他学过 ML 了。 |
 | 22 feilaoda 2016-09-06 23:09:54 +08:00 via Android 说的挺好 |
 | 23 Rubbly 2016-09-06 23:22:22 +08:00 降噪、二值化、目标检测这几个光是概念上来看是很简单，但是在很多应用场景中也会遇到各种问题，能解决好也不是这么简单，当然 Po 主的重点当然不在这个上面。 其他很多话还是很同意的，身边也的确遇到过这些人，是很烦。。 |
| 24 shijingshijing 2016-09-06 23:22:38 +08:00 3 @xiangtianxiao @9hills 两位想必是在学校里面做项目用过 OpenCV 吧，二值化的算法实现也不难，确实感觉没什么技术含量。 不过，二位要是正真做过这种工程项目就知道了，真正做出健壮的应用，能够稳定的输出正确结果，远远不是二值化就能够搞定的，实际工程中要考虑到是不是误图，是不是铅笔污渍，黑框图不满到底图到什么程度算他正确，图的浓度不够怎么处理，这都是要花心思去调整图像处理和模式识别算法的。即使是二值化算法本身，阈值选取也需要大量经验积累然后才能得出的。我以前给朝日新闻做过 Adobe 的 OCR 插件，日本人提供过来的数据，让我目瞪口呆，包括纸张的色纯度、洁净度、反光度都是有大量实际数据记录的，报纸、打印纸、广告纸、牛皮纸等等都有详细的数据支持，所以最后按照他们的思路做出来的东西健壮性这一块特别强，基本上很少有漏识别、识别错误等情况。我特别佩服日本人的。 V2 上有很多用嘴巴编程的人，这是非常不好的一种现象。希望大家多一些技术性的讨论，不要一上来就这个东西不就是 xx 这种论调。很多东西都是看似容易做实难。 |
| 25 shijingshijing 2016-09-06 23:24:41 +08:00 |
| 26 9hills 2016-09-06 23:33:47 +08:00 via iPad |
| 27 shijingshijing 2016-09-06 23:36:27 +08:00 |
| 28 9hills 2016-09-06 23:41:17 +08:00 via iPad @shijingshijing 你也可以 show me your code ，愣是吹一个简单的东西，也是呵呵 |
| 29 9hills 2016-09-06 23:42:53 +08:00 via iPad |
 | 30 bengol 2016-09-06 23:45:01 +08:00 lz, why are you so diao |
 | 31 levn 2016-09-07 09:05:58 +08:00 好无聊额 |
| 32 sgissb1 OP @FrankD 这怎么就只是封面呢？明显是一部视频好不？ @Rubbly 感谢，确实概念简单的飞起。不过真心研究一下，还是有很多东西的。降噪就够玩一壶了。 @shijingshijing @9hills 二位消消气，不要再继续争论了。任何工程问题有简单的做法，也有复杂的做法。就如人脸识别，目标检测一样，最简单就是 opencv 的例子抄一下，然后套个 svm 就可以忽悠用户了。 但从实际场景出发去看的，有点不一样的。我们的答题卡主要是在普通的 a4 a3 纸张（ 70g ）上使用，然后给 teenage 的少年们用，所以真正难点有很多。大家都曾经年轻过，知道我们当年如何的调皮的。 我没有把我们答题卡项目讲的太细，那是我不想说太多这方面，我只想表达。人不能太狂，无知和有知是区别的，我也遇到过一些真大神，他们的谦逊和代码写起来犹豫说普通话一样自然，我也很诧异的。往往无知的人才喜欢那啥啥。 另外答题卡识别有很多识别方式和场景，只是老板不想用高考哪种方式，要不然也不需要我去做。 另外 9hills ，劝你一句，你确实是图像处理的外行（至少从你以往的帖子和你的 github 上看），我也是外行。但我已经说了，你想试试你就发简历来，音视频编解码方向的也可以。 @bengol 我当年热血了一把，在某信上注册了，然后 id 就是:i am just so diao 。。。。 |
| 34 sgissb1 OP @wizardforcel 如果用机读卡还用 opencv ，那我觉得脑子是不是有点问题。不过问题是，我们的场景使用图像拾取设备。^_^ |
 | 35 weisdong 2016-09-07 11:12:23 +08:00 做开发 还要涉及到数学啊，我现在知道为毛程序猿没有女的了，当年分文理科时 很多女生选择文科了。 |
| 36 sgissb1 OP @shijingshijing @9hills 另外我说一下，我这边的参数大部分都是动态的，不是我在程序里写死的电话号码。我组里有个研究生哥们，号称做音视频很吊的，给他自己一个人用 opencv 做，事实上什么都做不出来，成天就想着趁我不在的时候，拷贝我的 demo 代码。 然后给了他 demo ，也还是做不出来，连我怎么做的都不知道。降噪有一个分支是自适应降噪，二值化也有一个分支是自适应二值化。 实际上好的图像处理，都在想办法做到更优的自适应，仅仅倒腾个自适应二值化就够玩的。虽然有很多自适应二值化算法，不过不能直接用。 我现在用的自适应降噪，只是我通过 matlab 瞎倒腾出来而已，学校的项目不同于商业项目，我也是在学校给老板打工多年的人，这一点我还是很清楚的。 opencv 里面有很多 api 是不能直接用的，例如他的自适应二值化，就不能满大街乱用的。 |
 | 37 xcodebuild 2016-09-07 11:21:21 +08:00 傲慢的人无论是做工程还是做学术都会自以为是，瞧不起其他人（或者其他人从事的事情）。 |
 | 39 laoyuan 2016-09-07 12:09:04 +08:00 笑眯眯的回应：“是啊是啊，可惜这次交给我们做了，下回一定让你们做。” 是不是显得情商比较高？ |
| 40 xiangtianxiao 2016-09-07 12:11:56 +08:00 via Android lz 如果公司允许的话，发个图看看呗。 |
| 41 9hills 2016-09-07 12:12:00 +08:00 @sgissb1 另外既然您光临了我 4 、 5 年没更新的 github ，我也看了下您的发帖历史（有个帖子还有简历） 大概了解了技术水平，不过看这个帖子从开始就充满的那种奇怪的感觉，道不同不相为谋。 另外絮叨几句，工程实践就是在投入产出中进行平衡，你可以拿答题卡识别各种转进，找各种场景。但是实际上并没有任何的卵用，因为有更简单，更省成本的方案。 比如你说有人随便瞎涂答题卡，要如何如何识别。你知道以前我们高中怎么解决的么，答题卡上乱写乱画直接 0 分。 |
 | 42 issues 2016-09-07 12:42:25 +08:00 涨姿势了 |
 | 43 canautumn 2016-09-07 12:46:18 +08:00 答题卡识别是个科学问题，用 OpenCV 很快能写出来不错；不过把答题卡识别正确率从 99%提高到 99.99%则是一个工程问题，光用 OpenCV 的 API 是不够 |
| 44 9hills 2016-09-07 12:52:16 +08:00 via Android |
 | 45 ericls 2016-09-07 12:53:55 +08:00 没读过书的表示以后遇到不懂的就问 遇到牛逼的就学 少说话 |
| 46 canautumn 2016-09-07 13:00:34 +08:00 @9hills 哦原来是这样？按楼上的说法我以为 OpenCV 只是一个框架，算法要自己写；不知道这个东西还自带答题卡检测功能，而且这个功能可以达到很高的准确率和很低的召回率？ |
 | 47 Troevil 2016-09-07 13:14:55 +08:00 其实很大一部分时风气问题, 现在这个世道 能吹的总是不会饿死 |
| 48 9hills 2016-09-07 13:15:35 +08:00 @canautumn OK ，你要认真，我可以给你详细写下，希望以后多学语文 OpenCV 自带的方法+简单的数学处理，就可以实现传统答题卡的高准确率识别，但是召回率需要各种优化 另外 OpenCV 不是一个框架，你可以理解是一个 interface 集合，和框架是完全不同的两回事 |
 | 49 framlog 2016-09-07 13:25:16 +08:00 貌似 opencv 有对象识别，只要给训练好的 xml 就行 |
| 51 9hills 2016-09-07 13:35:39 +08:00 @canautumn 呵呵，你自己去看你的发言和我的留言 你的：答题卡识别是个科学问题，用 OpenCV 很快能写出来不错； 我的：答题卡的准确率 openCV 没有太大的问题，难点是召回率 哦，好像都省略了『 API 』，只允许你省略，不允许我省略 |
| 53 sgissb1 OP |
| 54 9hills 2016-09-07 13:48:42 +08:00 @sgissb1 80w /year 只是弥补和像你一样的同事共事的精神补偿金。 另外我终于发现我为什么看到这个帖子立刻很反感，细看了下，原来是喜欢背后同事坏话，这种很 Low 的行为，我只能希望你同事不上 V |
| 56 sgissb1 OP |
| 58 sgissb1 OP @canautumn 垃圾信息太多，我都脑子过滤不过来了。又不见得牛逼的可以改变世界，还这么狂。我都 block 了，哥们你也省省 v 币。你注意看回帖，谦逊的人，很快就有变化。狂妄的人正和我说的那个雷人王各种雷同着。 我实在忍不住了，差点笑喷了。 |
 | 59 xxdd 2016-09-07 13:55:45 +08:00 看来题主很稳重 要是我遇到这种人 撕逼加打脸(￣￣") |
 | 60 SmiteChow 2016-09-07 13:59:09 +08:00 是这样的，不仅计算机科学分为学院派和工程派，现在连工程派都开始分化了：一部分人追求工程极致（代码风格按字符级别矫正，分层接口细到大部分代码是为框架而生，模块化到文件数是 feature 的数倍等），一部分人追求一般的工程质量＋适时的重构＋ work around 。 我看得很开，觉得大千世界，缤纷不同才精彩。 |
| 62 SmiteChow &nbp;2016-09-07 14:02:51 +08:00 忘了说了，倒不是攻击，我只是分类一下： uncle bob 就是追求工程极致的榜样， ying wang 和我自己应该算后面一类 |
 | 63 tjxjj 2016-09-07 14:07:53 +08:00 也要好好磨砺一下自己的性格 和这个世界相处，真的不容易 |
| 64 9hills 2016-09-07 14:10:10 +08:00 @SmiteChow 我是前面一类，可能更加过一些。有些需求如果可以用非工程的办法解决，那就不用工程的办法。 再举个例子，比如某人做的答题卡识别的召回率比较低，只有 99.9%，也就是 一千份卷子中的一份需要人工识别 而从 99.9% 改进到 99.99%，可能需要耗时一个 RD 7 个工作日，价值 3000 块。 但是卷子总量只有 100w 份，也就是人工需要识别 1000 份，随便招个临时工一会就弄完了，价值 300 块。 那我会选择 2 ，只有当 2 的成本大于 1 的时候，才会选择 1 |
 | 65 byron 2016-09-07 14:15:17 +08:00 歪个楼。 一堆扣子，基本没有特征点的这种。 要进行数量的识别，用什么思路搞比较好呢？ 类似下面这种口子。  |
| 67 sgissb1 OP |
 | 68 answeror 2016-09-07 16:40:47 +08:00 |
 | 69 hinkal 2016-09-07 16:51:49 +08:00 楼主说的这种人我也遇到过，水平一般，但装逼水平满分。但是不过觉得楼主也是值得自我批判的，说白了就是看不惯年轻人藐视自己。 |
 | 70 CTO 2016-09-07 17:35:04 +08:00 我倒是蛮懒惰、傲慢、缺乏耐性的。。 |
 | 72 introom 2016-09-07 17:52:03 +08:00 via Android 不知道，反正只要是应用数学，我觉得都大同小异， |
 | 73 wanttofly 2016-09-07 17:55:28 +08:00 以前老是觉得自己太张扬，后来渐渐变得太谦卑（对，就是这个词，我觉得太合适），好像有些不自信了，逛多了知乎和大牛的个人博客，渐渐会把自己看的很低。当然了，涉及到程序的时候的自信还是很多的，哈哈。但是就感觉世界上牛人实在太多，周围牛人实在太多，自己太渣。我的这种想法是不是也有点惨 |
 | 74 anyforever 2016-09-07 17:55:41 +08:00 楼主就是个爱操心的命（非贬义），从这几点上就能看出来对方的态度，估计再过一段时间，你们就会拉开差距，不用急。 |
 | 75 zhicheng 2016-09-07 18:00:02 +08:00 2 |
| @zhicheng 分水岭也是玩的溜啊～ 边缘识别出来以后，考虑求取各区域的 RGB 均值，可以分出粉色和白色。 PS ：现在用 Python 也可以这样玩了啊，我一直是在 C/C++下面弄 OpenCV 。 |
| 77 shijingshijing 2016-09-07 18:30:45 +08:00 @sgissb1 不要浪费时间。 |
| 78 sgissb1 OP @shijingshijing @zhicheng 牛逼哈，我当时想到距离变换。哈哈哈哈。 不过可能是特征和原始图的关系，我赶脚 otus 不能直接做二值化（实际场景中）。看来多虑了，应该就事论事去看图。 |
| 79 sgissb1 OP @shijingshijing 已经那啥了，你懂的。 |
| 80 byron 2016-09-07 23:58:23 +08:00 @sgissb1 嗯，这一张是比较好识别的。 现在的需求是，固定的摄像头实时监控，之后点一个按钮，会抓拍一张照片，然后识别这张图片上的扣子数量。 而这张图片可能由于光线原因、角度原因，造成的扣子大小、颜色都会有不同。 我之前的做法是，阈值变换后，计算边缘，算有多少个圆。相连部分就来计算面积。 现在的问题就是必须固定摄像头，固定角度，高度，光线环境差不多一定，才可以很好的识别。 我们想达到的目的是，不论啥设备，啥分辨率，对焦，都不考虑，随手一拍即可完美识别。 |
| 81 byron 2016-09-08 00:01:22 +08:00 喔，我用的是 AForge |
| 83 byron 2016-09-08 10:21:04 +08:00 |
| 84 sgissb1 OP @byron 其实最难还是从摄像头拾取，就算摄像头是固定的，但也不好弄。 我们这边最终的目标是要做到拍照识别（连通普通楷体识别，不用识别手写体）。 不过想想也确实麻烦，摄像头拾取进来还会有抖动问题，一大堆噪声问题。确实回帖里那哥们给的图像对突出（特征），不过实际用就没这么好弄。最近也在发愁，好在我们不用考虑颜色问题，后续可能会加强一些图像底层处理（非机器学习部分），后面再把机器学习部分连起来，或许会好点。 我也在一步一步的弄。 |
 | 85 mko0okmko0 2016-09-08 15:26:08 +08:00 早上一看,哇!这帖的回应一定很学术,很有深度,快收藏. 结果忙完下午一看....太多护贬让这帖的技术价值下降了... 上周才去一个自动化展,结果发现工厂的视频检测跟自然环境识别是有落差的.双方讨论交集好少. 影像前处理也是个门槛,每个人做法不一样也很难讨论谁好谁不够好. 伪色问题不是也该解决吗?恩...我是自然环境目标辨识的,所以有很多杂讯,伪色,镜像,影子干扰等,所以有认真处理. 不只 CV 要会用吧,太多影像辨识的相关软硬体(没错,软硬都有)需要掌握,还有自己要会写功能来实现需求. 后面靠 FPGA 来实作加速也是要有准备,不然不能实时完成辨识,赚钱方面就有困扰. 还有训练样本仓储,结果我又研究了影音编码跟档案系统,并行连机计算,跨好大(累. 自然环境识别数量这问题我一直没有解决的很好.因为我焦点都放在任意目标正确性上了. 任意目标,所以没有所谓的特定特征了,还有,我无法选择视讯来源,甚至图片来源. 我也是走到快弄公司自己走了. 共勉的话: 当你自己做到敢成立公司走辨识这条路了,不管你成绩如何,我都认为你值得尊敬, 因为你用行动表明你的心.而不是靠嘴. 希望这帖能有更多技术交流. |
| 86 sgissb1 OP @mko0okmko0 3Q ， v 站很容易水贴，平常心。回帖里能有几个再讲讲和工程、技术有关的人就算不错了 |
Select Language