無痛理解系列－－－開篇

科研??了這麼多年，逐漸有了一點體會，那就是學習一個演算法或者模型有兩重境界1) 理解，2) 吃透。理解就是明白這個演算法用了什麼樣的原理完成了怎樣的工作。吃透就是完全搞清楚這個演算法的每一個細節是怎樣推導的，怎樣實現的，為什麼要這樣做。在做一個新的產品或者提案一種新的方法之前我們需要快速建模的能力，這需要我們廣泛的了解這個領域的各種知識，達到理解的水平。確定好某種方案之後我們就需要深入的把它吃透，搞清楚它的優缺點，從而改進或者提出更好的方法。

最近幾年機器學習計算機視覺等領域迅猛發展，成就顯著，各種演算法也層出不窮，知識的海洋浩瀚無邊。於是網上便出現了各種教程，然而很多並沒有抓住重點，只是羅列了一堆公式代碼圖片，作為一個從業多年的老司機讀起來也是雲山霧水，甚是痛苦。有的教程則深入淺出，講的讓人恍然大悟，只恨相逢太晚。時間久了便有種想法，為什麼不把這幾年踩過的坑，也總結一下呢。方針就是把各種有用的想法，細節真正提取出來，既不用花很多時間寫各種公式圖片寫，看的人也能很快的掌握原理本質。於是這個無痛系列的想法就逐漸明朗。

這裡寫的都是各種演算法或模型高度概括之後的原理，類似於武學總綱，沒有複雜的公式和推導，盡量用簡潔的話把演算法的本質說清楚，附帶一些不負責任的點評和八卦。通過這些，你可以快速的熟悉某個領域(吹b的時候不至於卡住)，搞清楚這個演算法是幹嘛的，有何特點，是不是符合某個項目的要求，能不能拿來為你所用。當導師或者老闆需要一份計劃的時候，總不能在某個問題上花太多時間吧。當然確定是你的菜之後，武學總綱就不夠了，那就需要更深入的了解其一招一式，這時我的建議是－－－原論文＋一份高質量的實現代碼。希望這些記錄能對有需要的人有所幫助，如有問題疑問等，歡迎留言。

附個人簡介：

專註計算機視覺圖像處理領域，讀了個博士，做了點微小的工作，Google Scholar。

推薦閱讀：