科研初体验

说来惭愧，研究生二年级了，第一次对整个科研流程有个大概了了解。

要感谢计算机视觉算法与应用这本书。后面附录包括了很多能用的资源，我做的是第14章行人检测的boost算法。

http://people.csail.mit.edu/torralba/shortCourseRLOC/boosting/boosting.html

按照实验步骤做下来几乎没有问题。

主要有几点：

1. 教程中没有建立数据库的步骤，需要下载 LabelMe toolbox。init.m修改如下

addpath('E:\Download\boostingDemo')
addpath('E:\Download\LabelMeToolbox\LabelMeToolbox') %toolbox的解压路径，以找到该函数
addpath('tools')
addpath('gentleBoost') 

paramaters.m的路径也要相应修改

2. 第一次实验中找不到很多函数，将genboost中的函数都拷到当前目录就可以，但是实际上应该是不需要的，可能是因为路径没有设置好的问题。

3. 还有就是在实验过程中严格按照操作步骤。就不会出错。有的需要等待比较长的时间，比如computeFeature.m。在运行的过程中不要乱动键盘，要不出错。而且程序的报错会让你以为是程序本身的问题。其实不是。。

4. 不出意外的话就可以完整经历在很多论文中看到的特征计算，训练，测试，precision recall曲线等等玄之又玄的东西。截图see see。

5. 从整个实验的过程中可以发现，不是每个实验都是从头开始实现每个函数的，完全可以别人论文中的代码，或者别的tool（一些.m文件），比如说boost算法，比如说labelMe在程序中调用就可以。这本书列出很多测试数据集以及工具集。这应该是科研必备的东西。慢慢的把这些掌握用起来。科研差不多就恶意入门了。

6. 接下来好好研究一下这个matlab代码。在知道其表象之后知道其本质。不在多，而在精。一通而百通。学习一下matlab编程，搞视觉需要的，使用的matlab。