Re: [請益] 非cs想走ai領域，投履歷沒公司理

[csfgsj (切割對半)]

吃飽太閒
不小心又把人臉辨識的程式寫出來了
當然還是很簡化
但主要的程序精神應該都有了

struct aspect_vector {
...
...
...
};

struct aspect_name_pair {

list_head *list;
aspect_vector *av;
char *name;
...
};

face_learn (FILE *face_jpg, char *name){

        aspect_vector *av;

        av = aspect_vector_extractor(face_jpg); //key algorithm

        store_aspect_name_pair(av, name);

}


char * face_recognize(FILE *face_jpg){

        string *name;
        aspect_vector *av;

        av = aspect_vector_extractor(face_jpg);

        name = search_name_by_av(av); //key algorithm

return name;

}

車牌辨識、語音辨識應該也是用這樣的方法
※ 編輯: csfgsj (210.71.206.217), 03/23/2017 10:10:45
噓 ACMANIAC: AI 的點?
噓 accessdenied: 這跟上一篇奇偶判斷根本一樣的東西。我實在不懂一
→ accessdenied: 堆人都給你類神經網路的關鍵字，為何死都不去了解一
→ accessdenied: 下呢？吃飽太閒不如先讀書，而不是先寫code
→ accessdenied: 吃飽太閑不如先去尻一發也別你拿去寫code好
(femlro 刪除 robler 的推文: y)
→ csfgsj: https://panx.asia/archives/53209
書越有在讀，就越覺得您噓的像一隻鴨子
※ 編輯: csfgsj (210.71.206.217), 03/23/2017 10:51:36
→ physheepy: 這篇是正確的 但是key algorithm裡發生的事情才是重點
→ physheepy: 像你這篇的程式碼 只有郭台銘之類的大老闆寫來才有意義
→ physheepy: 因為他可以灑很多錢雇用很多工程是去了解key algo
→ physheepy: 您如果是大老闆 請發徵才文造福大眾 如果不是的話 可能
噓 love95023: alphaGo的輸入大量棋譜，能判斷各種情況只佔它的1/3
→ physheepy: 就得自己花工夫去了解key algo在做什麼了
→ love95023: 語音跟圖像辨識都是用NN，但從提特徵開始就差很遠
推 NCUking: 版主在睡覺嗎？鬧版的不管一下？
→ love95023: 3分鐘搞懂...說是沒錯，但細節全跳過，狗血地說超簡單
→ love95023: 數學家跟學者研究幾十年，都在QQ了
→ x000032001: 我這邊也發明了一個O(1)搜尋演算法 實作如下：
→ x000032001: search(arr, size, key); // key algo (請自行想像)
這邊只是在闡述一個基本的架構觀念
從圖形產生特徵向量的演算法已經有很多人在做了
算是很popular的技術，效果好壞也有差
Google一下就可找到很多，甚至詳細的實作步驟都有

推 Morphee: 大家不知道費馬嗎？ 這裡空間太小啦
推 Dnight: 我想到一個絕妙的證明，但這邊空間太小寫不下
噓 imaxpayne: If else 哥，你的if else程式碼怎麽沒辦法打圍棋？
(femlro 刪除 robler 的推文: 人身攻擊公告處分)
(femlro 刪除 robler 的推文: 人身攻擊 公告處分)
搶劫哥又是你，工作找到了沒有
※ 編輯: csfgsj (210.71.206.217), 03/23/2017 13:40:13
(femlro 刪除 robler 的推文: 同上)
→ red0210: 你講的東西幾十年前的電腦視覺領域早就在研究了，但你只
→ red0210: 考慮能不能用，不用考慮準確率喔？還是你的準確率 100%?
噓 sttagomantis: 發一篇CVPR,ICCV證明你真的懂 謝謝
→ red0210: 現在就是 deep learning 可以比傳統自己動手撈 feature
→ red0210:  準確率還要高所以才在夯，看起來你應該只知道 deep lear
→ red0210: ning 被大量用來處理電腦視覺問題，但不了解它的價值。
→ red0210: 既然你提到電腦視覺，建議你去讀 CVPR 之類的 top confer
→ red0210: ence paper 了解一下現在這領域面對什麼樣的問題，再來
→ red0210: 評論 deep learning 有沒有價值。
(femlro 刪除 goldflower 的推文: 已公告處分)
→ Lordaeron: Top人才能看到top conf ,看來得請red0210開一篇了。
→ Ekmund: 這篇就太超過了吧 連判斷的內容都沒有 只是call fxn
→ Ekmund: 換掉function name別說辨識 它可以是任何東西吧
噓 longlyeagle: ??
推 f496328mm: Deep learning也沒那麼萬能
→ f496328mm: 有結構的data   自己找feature會比DL好很多
推 f496328mm: DL對於圖片還是很強   這方面只能靠DL
→ red0210: 我是不知道 Lordaeron 到底是怎麼得到 「top 人才能看到
→ red0210:  top conf. paper」這種神邏輯鬼結論的 LUL 讀篇 paper
→ red0210:  沒那麼難好嗎。
→ Lordaeron: 我們程度低啊,讀不懂, 還是得要你來開視一下有什麼問題
→ Lordaeron: 君不見噓的人一堆, 但噓的理由都只有取笑嗎?
→ red0210: 開示什麼問題？
→ red0210: 懶得講的當然就取笑啦。csfgsj 最重要的問題也早就都講得
→ red0210: 差不多了，上一篇底下不就一堆人解釋得很清楚了嗎。
→ Lordaeron: 啊,這叫很清楚? 連面對什麼問題都沒有,叫很清楚哦
→ Lordaeron: 你都講得出來看什麼CONF 就知面對什麼問題了,當然得
→ Lordaeron: 請高人來開示一下啊. 如果噓就表示有料, 哪還需要讀書?
→ red0210: 啊，這叫不清楚？連面對什麼問題都不知道，你還是讀書吧
→ red0210: paper 看不懂？請家教讀給你聽啊。
→ red0210: 好像也沒人說「噓就表示有料」是吧？要打稻草人請自便。
→ Lordaeron: 懶得講的當然就取笑啦<--於03/23 20:41 該不是AI打的吧
→ Lordaeron: 如果叫人去看PAPER是為清楚, 哪還有什麼叫不清楚呢.
→ red0210: 所以呢？"懶得講的當然就取笑啦" imply "噓就表示有料"？
→ red0210: 倒是「上一篇底下不就一堆人解釋得很清楚了嗎」可以imply
→ red0210: 我所說的「解釋的很清楚的人」並不是在說我自己。
→ red0210: 這一段應該不是 AI 讀給你聽的吧？
→ Lordaeron: 啊,不能imply哦, 好邏輯呢.
→ Lordaeron: 看來真是AI呢. 03/23 21:32 的推文, 原來是講別人.
→ red0210: 哈，你的神邏輯能 imply 我也不意外啊。
→ red0210: 還能說什麼呢，AI 沒寫好嗎。
→ red0210: 對了，我是叫 csfgsj 讀 paper。你的話，先讀邏輯吧。
→ Lordaeron: 懶得講的當然 譯:表示我很懂你不懂 就取笑啦 作:噓
→ Lordaeron: imply 噓 就表示有料.  哈.....你果然是AI
→ Lordaeron: 只會叫人讀PAPER去.
→ red0210: 怎麼又搞錯了呢，我叫你讀邏輯呀。
→ red0210: 有料 & 有耐心的人: (噓 + 解釋) | (不噓 + 解釋)
→ red0210: 有料 & 沒耐心的人: (噓 + 取笑)
→ red0210: 沒料 & 有耐心的人: 是什麼樣的人做什麼事我就不多說了
→ red0210: 沒料 & 沒耐心的人: (噓 + 取笑)
→ red0210: P: 有料 & 沒耐心的人, Q: 噓 + 取笑. (P=>Q) != (Q=>P)
→ red0210: 這是很基本的邏輯吧，快去讀喔。
→ red0210: 還有，那一篇光是關鍵字 "查表" 就有四個人講過，
→ red0210: 懂的人自然知道 csfgsj 的查表和 deep learning 差在哪，
→ red0210: 當然會覺得已經講得很清楚了，至於不懂的人？去讀書吧。
推 Dnight: P = >Q 只能imply !Q => !P
噓 robber1234: 欠噓
噓 Ommm5566: 看到這個ID先推