intro
总说好的idea很关键，但是这些idea都从哪儿来呢？

dicussion
今天讨论中，听到了做工程又发了数篇顶级TPAMI文章的师兄总结他一篇CVPR核心思想：虹膜图像往往都是外面白，中间黑，然后又有白的样子，而以往的 方法都是用一阶特征做boost，于是他提出了二阶特征来做boost，效果好很多。他的这些发现据说都是在工程实践写程序看图像中发现的。

其中关键的问题是：究竟一个好的文章是从不断新出的方法上面排列组合得到，还是通过实践总结结合旧点的理论提出有针对性的方法呢？

一边主张先用intuit来做，完成一个系统的平台，再慢慢改进；一边主张大量看最新的文献，实现他们的方法，然后结合自己的应用。

前者而言，对于喜欢应用产业化的老板自然是很讨欢心，但是那么多ad-hoc的工业套路哪有那么容易总结得到好的idea呢？对于后者，虽然不一定能马上就出能使的系统，但是文章少不了，phD也应该很快就可以毕业吧。

虽然说磨刀不误砍柴功，我们常常能看到的却是很多人天天“磨刀”却从不“砍柴”。 这样，怎么能保证自己磨出一把好刀，而不是把可塑之降魔杵磨成了一无是处绣花针呢？

他提到了两个例子， 一个是一本书中的一句话：经过多年观察，我们发现，最悲惨的事情莫过于大量的人正是由于没有目标所以才一直处于学习阶段之中。 是啊，学习变成了社会的正确价值选择, 好像只要你在磨刀，就是对的, 就是准备砍柴的, 可是有没有人好好想想，我这把刀，到底是不是要去砍柴呢， 将来是要去砍什么样的柴呢？ 如果前面没多少荆棘的话，先揣一把钝刀，使用时候越来越快，可能也是一个方法。 另一个例子是丁磊。大家都知道，丁磊没有搜狐张朝阳那样显赫的海龟背景，也没有新浪那么好的政府关系，可是三大门户中，作为企业最成功的是网易。 他想做营销，但是他不懂，他不是报个MBA 躲到学校躲几年，而是通过关系先找到段永平这样的能人帮助，然后一边实践，一边学习。 从这件小事情也可以看出，丁磊是个真正的商人，是个做大事情的人。

结合我自己，我大学四年的经历让我明白两个道理，第一是有机会一定要尝试一下，不要错过机会；第二是先做出东西，让他能跑起来，再想着怎么把这个东西做完美，而不是空想了一个月结果没时间做了。 现在想想，其实第二点就是砍柴不误磨刀功。我们从小接受的教育就是要完全准备，不打无准备之仗，强调知识积累，不讲挑战和实践。有句话叫没有金刚钻，别揽 瓷器活，其实回来想想，或许你本来就是金刚钻，只是环境和机遇暂时没有眷顾你，使得你认识不到自己。既然有了瓷器活，上去揽一揽，就知道自己是不是金刚钻 了，再说年轻人，就算有点失败，回头一看，路还和天一样宽呢。

link：

http://www.xiaolai.net/?p=299

anyway, 看到上面的话，我感觉总结得特别的好，我自己的感觉是：

1、边做边学，学一段时间，集中再弄一段时间；

2、赶deadline才能体会到时代的脉络，静静地学习才能体会知识的结构。不过结构毕竟不能解决问题，而脉络的把握才能真正找到使力点。

有句话是”人生就像茶几，上面充满了杯具。“
另外一句话是，”如果你一直都一帆风顺，没杯具过，那你一定是在做些重复的事情。“

今天突然闻讯钱院士噩耗，心中沉了一下。有的人，虽然不一定有更深刻的交往，但是通过文字，我很早就认识了他。当年决定念中科院，也可以说很大程度受到了他的影响---要知道当年我们所可是他开始创办的~

当然，一步一步走来，虽然我也不是两手空空什么都没，但是和他当年对比，我更觉得差距不知几何。努力吧~读罢《工程控制论》方知其思想深邃。科学家都是有自己的狭小范围，但是大方向上一定要有明确的motivation，钱老的选择方向就是立足祖国，服务祖国！

最近的日子过得太快了，快到每天都感觉不到身边的世界。从街道冷冷清清太阳还没出来的时分到夜深人静，一下子就是月底了。不断地和英语、Matlab、C++、Latex作斗争中，都忘记了去健身、写日志~ 突然发现到现在这个阶段，差不多是科研最痛苦的了。anyway，当初的选择是经过考虑的，每个人的路都是不一样的，现在面对困难，一定要撑住！给自己加油~

Latex中写有公式的文档和管理参考文献都很舒服，不过代价也许就是插图什么的稍微麻烦点吧。总结一下再Miktex+Texincenter中插图的心得。

双栏的tex模板中插入大图，占用双栏方法
在
\begin{figure}[t]
\begin{center}
\includegraphics[width=1\linewidth]{test.eps}
\end{center}
\end{figure}
中figure后面都加上*就ok了。即：
\begin{figure*}[t]
\begin{center}
\includegraphics[width=1\linewidth]{test.eps}
\end{center}
\end{figure*}
图->eps插入方法

 

然后要把它打印成PDF，前提是你安装了Adobe PDF Printer，我推荐大家用Adobe Acrobat Professional 8.

 

打印成了PDF就是这样子的，可以看到周围还有很多空白的地方啊

 

我们发表的论文可不能有这么多的空白，方法有二个：

1、

 

杨小朋友的《蜗牛与黄鹂鸟》真好听，歌词也很有道理。蜗牛爬得很慢，但是最后很好地抓住时机，在葡萄出来的时候就上去了~黄鹂鸟很快，但是却没有把握时机，浪费了时间。。。
今天终于搞定了一个新算法的用例和调试~，总结一下Matlab中的向量优化小结。

1、给定一个列向量v1，和一个行向量v2, 计算矩阵M，使得M(i, j) = v1(i) + v2(j)。一种常用的向量化实现：

m = length(v1); 
n = length(v2);
M = repmat(v1, [1, n]) + repmat(v2, [m, 1]);

2、另外，发现bsxfun是个好东东，其中函数全部用C实现了快速矩阵算法，在时间和空间上都比较节省。
C = bsxfun(fun,A,B)
那个fun可以是以下很多算子。

@plus	Plus
@minus	Minus
@times	Array multiply
@rdivide	Right array divide
@ldivide	Left array divide
@power	Array power
@max	Binary maximum
@min	Binary minimum
@rem	Remainder after division
@mod	Modulus after division
@atan2	Four quadrant inverse tangent
@hypot	Square root of sum of squares
@eq	Equal
@ne	Not equal
@lt	Less than
@le	Less than or equal to
@gt	Greater than
@ge	Greater than or equal to
@and	Element-wise logical AND
@or	Element-wise logical OR
@xor	Logical exclusive OR

3、当d很小而n很大的时候，比如对大量2x2矩阵求逆（这在设计几何的问题中很常见），那么直接利用2x2矩阵的求逆共识，进行向量化了：

a = reshape(A(1, 1, :), [1, n]);
b = reshape(A(1, 2, :), [1, n]);
c = reshape(A(2, 1, :), [1, n]);
d = reshape(A(2, 2, :), [1, n]);

g = 1 ./ (a .* d - b .* c);
r11 = d .* g;
r12 = -b .* g;
r21 = -c .* g;
r22 = a .* g;

B = reshape([r11; r21; r12; r22], [2, 2, n]); 
4、算过优化式子的同学都有经验，输入很多时候都要求0均值或者正定化什么的。其实矩阵论中早有定论：
对于X，直接搞X*X'，就可以正定化。当然这里可以用刚才bsxfun来算。零均值的话，我用下面代码搞定的：
meanX = mean(X,1);
meanY = mean(Y,1);
X0 = bsxfun(@minus, X, meanX);
Y0 = bsxfun(@minus, Y, meanY);