水文局一周游

最近忙着水文的deadline，眼看只有两天时间了，昨晚改文章休息时候上提交网站一瞧，发现延期一个星期。那才真叫囧。动力一下没了。果然不到最后关头是憋不出完整东西来，制图填字断句加参考文献这些体力活能拖就拖，这其实跟应付学校的诸多SB考试一个道理。

另外，这些二流会议果然很烂，延期极有可能是文章没收够，囧。事实证明，要搞一篇SCI/EI检索的水文，从做实验到最后拿完整paper出来solo一条龙一个星期足矣。这多出的一个星期也正好让我考虑要不要撤这个烂会的稿。可见以SCI/EI这种标准来要求研究工作，有多么多么多么的水。

不过通过准备这个熟悉了整个流程，恩，
1，latex很好用。
2，参考文献其实是向大牛们致敬的地方。
3，论点比结果重要，当然，结果要能扎实支持论点才行（这一点这次做的还不好，好在只是个水文），要体现出“论”字的意义。现在很多paper演变成了benchmark paper，只追求最后的结果，充其量算technical report。这其实这有跟土鳖的应试教育神似。
4，整体思路很重要，只有完整整理一次自己的工作才能体会到。这一点需要自己以后提高。
5，强烈期望实验室能配备专业美工，负责作图这一方面，省得花这么多时间PS做出来的图还是像陀屎。

这个结束了，我应该把重点放在真正有意义，有趣的工作上来。time is running out.

云淡风清

每次听君一席话，都胜读10年书。一切都是浮云。

原来我们只需要凭着自己的兴趣和直觉，按着自己对世界理解的方式前行。

这么一类人，也许不断的探索未知问题，才是他们来到这个世界的目的。

经过六道轮回，重新来到人世，你和我的意义是什么呢？

借大牛的东风

致敬Emmanual Candes和Yi Ma.
泡泡来借这些大牛的东风。

很是喜欢Candes他家的compressive sensing所体现出来的思想，以randomness应sparity，以‘无序’应‘有序’，真智慧。
而马叔的工作提示了我一个一直在寻找的计算框架。其实他也是在借数学的东风。

借神经东风，借数学东风，借统计物理东风，善哉。公式推导完毕，这下轮到泡泡来给大家讲这个‘借东风’的故事了。

说到底，我们都是食物链上的一环，不仅要借鉴前人的出色研究工作，而且要做出让后人有借鉴意义的工作。这让我联想到了另外一点，顺便说说。做研究工作，免不了衡量工作的价值。关于一篇文章的价值，很重要的一点是看它的被引用数，而国内的高校只知道把所谓的SCI和论文数量拿来说事，比如，交大图书馆的壁投电视天天在宣扬学校一年的SCI论文发表数是几千篇的多，研究的价值，可以用量来衡量么？？？这么多的所谓“研究工作”，真正有意义的占多少，大多数不过是给硕士博士凑数毕业用的罢了（正好又是一年一度滚蛋时）。付责任的把每年学校发的论文的被引用数也拿出来晒晒，别老是自欺欺人，冠冕堂皇地浪费国家科研经费。这么多钱，拿来帮助穷人，改善中国广大农村的生活条件，我觉得有意义的多。

当我知道得越多，越觉得这其中的荒谬荒唐荒诞。我仅能不断提醒自己，别让自己在滚蛋时内疚，觉得自己没做出有意义的工作，浪费了国家在科研上投入的钱。

Bikinis Make Men See Women as Objects

大家看看这篇文章
http://news.nationalgeographic.com/news/2009/02/090216-bikinis-women-men-objects.html

大致说的是：New research shows that, in men, the brain areas associated with
handling tools and the intention to perform actions light up when
viewing images of women in bikinis.

。。。很好很强大，“工具”。。。。

如果换输入刺激为…，哎，不说了，太邪恶。。

To terminate the problem of scene classification?

Generative Model of Global Surface

先上在这个框架下的一个应用的初步王道，li-feifei 13类场景分类数据库正确率：
Highway  Insidecity  moutain opencountry tallbuilding street coast forest livingroom bedroom kitchen subsurb office
0.9692     0.9870     0.9920   0.9439         1            1      1    0.9787   0.9965       1      0.9952    0.9333   0.9234

土鳖的LDA，pLSA。。。。嘿嘿，不好意思了，here comes bubble~
虽说计算模型没草履虫简洁，应该离阿米巴变形虫不远了，恩，简单直接，一刀毙命

该贴太仓促， sanity check了正确率有些问题。还请等待最终结果~

刀客

古时的刀客，谁为他们提供一丝心灵的寄托，就为谁挨刀卖命。

今天蛮感动的，第一次感觉到了被人理解的快乐，一位学术造诣很深的老师愿意花一下午时间与我一对一面谈很理论的问题，又是亲自打印paper又是写草稿推演公式的，弄得我都有些不好意思这么折腾他老人家。内力震得我胆寒，同时感慨自己的薄浅。

感觉现在自己是刀客，不卖命拼搏，怎么对得起自己，对得起他老人家。动力火车，干劲十足，蹦插蹦插蹦，呜呜，插蹦插蹦插蹦插，呜。。。。

我在想，做真正的学问，心境如水，一桌一椅足亦，外加一个能理解和帮助你的人，何时何地都一样。

iccv失利总结帖

终究还是没赶上，倒没有什么遗憾的。近两个月，自己已经尽全力在做了，原因多方面：
1，积累不够.量变才能引起质变,对所处江湖有全面认识,才能尝试提出自己的东西.

这次可以说是小范围遍历了low-level和middle-level vision的一些经典问题,比如说图象分割,场景分类,saliency detection,聚类,以及image descriptors的相关内容.Berkely学派在这方面很好很强大,以Berkely segmentation dataset为基础，做了一系列这方面的工作，但说实话不怎么喜欢Malik等人做出来的东西，以解决一个实际问题为导向，缺少了一些所谓形而上理论上的思想．且感觉Berkely segmentation dataset是个幌子，不能算是segmentation的benchmark，充其量是个检测boundary的benchmark．另外，科研这玩儿通常也可以一paper成名，恩，没有Normalized cut就没有Jianbo Shi．

2,拔苗助长拔得不够凶狠．前几天看了朋哥对ＣＶ各流派的点评，的确越来越感觉这是个江湖，帮派众多，Berkely,CMU,MIT,Caltch，UCSD,NYU,UCLA,Oxford等都有带头大哥领导的门派和核心指导思想，现在看paper时扫完题目就不由自主去看corresponding auther去了，如果认识，那么对文章整体脉络有个先验理解了，能深深感觉到一种所谓＂研究风格＂的东西蕴涵在里面．个人现在比较喜欢老朱和simoncelli的思想，具体落实到应用，还得靠自己去挖掘．回过头来看，自己在这里算个什么呢？算个屁．所以还得加紧拔苗才是真的．以后还得跟对大哥混江湖，或者做个独行侠，时不时来搅下局也不错：）

3,computational vision这里面要学的东西很多．光computer vision，neuroscience,machine learning里的皮毛都够的我学，还不说一些诸如psychology, statistical physics的东西，看来要积累到位才能融会贯通，正所谓大道无形．

4,有效的思考应该是关键．让大脑转动起来．

恩，革命远远没成功，同志还得加把劲