Umarım (sorunuzun biçiminden, sanırım yaparsınız), bu konuda üç aylık bir okumanın sizi gerçekten bir görüntü işleme uzmanı yapmadığını fark edersiniz.
Ben aşina değilim TopCoder ancak sorunların zorluk ise ve orada görüntü işleme problemleri olanlar, kullanılabilir bir görüntü işleme uygulaması tasarlamak için benzer olabilecek kullanmak gerektiğini yaklaşımlar: do sorun belirli araştırma bulgularınızı ve yeni fikirler uygulamak , güvenilir sonuçlar elde etmek için test edin, birkaç saatten (veya en iyi kodlayıcı maraton maçında olduğu gibi bir hafta) çok daha fazlasına ihtiyacınız var.
Temel görüntü işleme araçları hakkında daha fazla bilgi edinmek istiyorsanız size şunları öneririm:
- tüm literatürünüzü alın, rastgele bir sayfa açın ve orada açıklanan konsepti inceleyin ve uygulayın
- OpenCV gibi bir bilgisayar görme kütüphanesi alın veya matlab'da çalışın, bazı görüntüler çekin ve üzerlerinde çeşitli görüntü işleme yöntemlerini kullanmayı ve görüntülemeyi deneyin (basit morfolojiden Hough hattı algılama gibi daha karmaşık şeylere kadar). Sonuçları tahmin etmeye çalışın, grafiksel olarak görüntüleyin ve ne elde ettiğinizi anlayın.
Görüntü işleme ile ilgili özel bir sorunla ilgileniyorsanız (örneğin, şu anda İçerik tabanlı görüntü alma - CBIR yapıyorum - ve bununla, neredeyse son 5 aydır) ve bu konuda daha iyi olmak istiyorsanız, benim tavsiyem şöyle bir şey olurdu:
- Google araştırmacısı, Mendeley makale veritabanı, IEEEXplore ile ilgili çalışmalar
- çok fazla makale indirmek, belki 3-5 kadar okumaya hazırsınız. Yağsız soyut , intruduction ve sonuca o ses alakalı ve ilginç makaleleri dışarı bölümleri ve filtre. Mevcut (son) makalelere ve güncel referanslara sahip makalelere öncelik verin.
- hepsini oku. En önemlilerini bir kereden fazla okuyun. Çalışmanızın temelini oluşturacak olanın, karalamalarınızla doldurulmuş kenar boşluklarına sahip olması ve 5. okumayı bitirdiğinizde en azından biraz kavgacı görünmesi bekleniyor.
- bunu uygula. Basit ve anlaşılır uygulamadan optimize edilmiş uygulamaya geçin.
- bunu yapmaya başlamadan önce test için bir veri kümeniz olduğundan emin olun. Test, yeterince büyük bir veri kümesinde yapılmazsa ilgili değildir. Bazı çalışmalar kullandıkları veri kümelerinden bahsetmektedir veya veri kümeleri bağlı üniversite web sitelerinde bulunabilir.
- Yeni fikirlerinizi birçok halkın yeni fikirlerine karşı test edebileceğiniz yıllık zorlukları da düzenleyen halka açık veri kümeleri (örneğin, nesne sınıflandırması için bu ) vardır (ancak bu, en iyi kodlayıcıdan çok daha büyüktür: D)
- eğer iyi sonuçlar alırsanız, bu iyi. Bazı yeni fikirlerinizi kullanarak en son teknolojiden daha iyi sonuçlar alırsanız, bunları tekrar kontrol edin. Sonra üç kez kontrol edin. Ve sonra süslü bir makale yayınlayın;)
Eminim sadece eğlence için görüntü işleme hakkında bir şeyler öğrenmek ve yazdıklarımdan gerçek zaman alan araştırmalar yapmak arasında bir orta bulabilirsiniz ... Aslında, işte bir fikir: burada takılmak ve anlamaya çalışmak ve çözmeye yardımcı olmak diğer insanların sorunları! Hepsi araştırma-düşünme-uygulama adımlarına ihtiyaç duyar, sadece ihtiyaç duydukları adımların derinliğine göre değişir;) Her durumda, umarım yardımcı olur.