मुझे आशा है कि आपको एहसास होगा (आपके प्रश्न के रूप से, मुझे लगता है कि आप ऐसा करते हैं) कि इसके बारे में पढ़ने के तीन महीने आपको वास्तव में एक छवि विशेषज्ञ नहीं बनाते हैं।
मैं टॉपकोडर से परिचित हूं , लेकिन जब आप उपयोग करने के लिए आवश्यक समस्याओं और दृष्टिकोणों की कठिनाई छवि प्रसंस्करण समस्याओं के समान हो सकते हैं, तो एक प्रयोग करने योग्य छवि प्रसंस्करण एप्लिकेशन को डिजाइन करने के लिए: समस्या विशिष्ट शोध करें, अपने निष्कर्षों और नए विचारों को लागू करें। , विश्वसनीय परिणाम प्राप्त करने के लिए इसका परीक्षण करें, आपको कुछ घंटों (या एक सप्ताह तक टॉपकोडर मैराथन मैच के लिए) की आवश्यकता है।
यदि आप मूल छवि प्रसंस्करण टूल के बारे में अधिक जानना चाहते हैं तो मैं आपको सुझाव देता हूं:
- अपना सारा साहित्य, यादृच्छिक पृष्ठ खोलें और अध्ययन करें और वहां बताई गई अवधारणा को लागू करें
- इस तरह के रूप में एक कंप्यूटर दृष्टि पुस्तकालय ले OpenCV में, या काम matlab , कुछ छवियों लेते हैं, और का उपयोग करने और (Hough लाइन का पता लगाने की तरह अधिक जटिल चीजों को सरल आकृति विज्ञान से) उन पर विभिन्न इमेज प्रोसेसिंग विधियों प्रदर्शित प्रयास करें। परिणामों की कोशिश करें और भविष्यवाणी करें, ग्राफिक रूप से उन्हें प्रदर्शित करें, और समझें कि आपको क्या मिलता है।
यदि आप छवि प्रसंस्करण में विशिष्ट समस्या में रुचि रखते हैं (जैसे मैं अभी सामग्री आधारित छवि पुनर्प्राप्ति कर रहा हूं - CBIR अभी - और मेरा मतलब है, लगभग पिछले 5 महीनों के लिए), और इस विशिष्ट विषय में बेहतर होना चाहते हैं, तो मेरी सलाह कुछ इस तरह होगी:
- विषय पर प्रासंगिक कार्यों के लिए Google विद्वान, मेंडेली लेख डेटाबेस, IEEEXplore खोजें
- जिस तरह से आप पढ़ने के लिए तैयार कर रहे हैं, शायद बहुत सारे कागजात डाउनलोड करें। स्किम सार , intruduction और निष्कर्ष बाहर लेख कि ध्वनि प्रासंगिक और दिलचस्प वर्गों और फिल्टर। वर्तमान (हाल के) लेखों को प्राथमिकता दें, साथ ही साथ वर्तमान संदर्भों वाले लेख भी।
- वह सब पढ़ें। सबसे महत्वपूर्ण लोगों को एक से अधिक बार पढ़ें। जो आपके काम का आधार होगा, वह आपके स्क्रिबब्लिंग्स से भरे मार्जिन और आपके 5 वें रीड-थ्रू खत्म होने तक कम से कम थोड़ा सा डरावना दिखने की उम्मीद है।
- उस पर अमल करो। अनुकूलित कार्यान्वयन के लिए सरल, सीधे कार्यान्वयन से जाएं।
- ऐसा करने से पहले, सुनिश्चित करें कि आपके पास परीक्षण के लिए डेटासेट है। परीक्षण प्रासंगिक नहीं है यदि यह एक बड़े पर्याप्त डेटासेट पर नहीं किया गया है। कुछ कार्य उन डेटासेट का उल्लेख करते हैं जो वे उपयोग कर रहे हैं, या उनके डेटासेट संबद्ध विश्वविद्यालय की वेबसाइटों पर पाए जा सकते हैं।
- सार्वजनिक डेटासेट हैं (उदाहरण के लिए यह एक वस्तु वर्गीकरण के लिए ) जो वार्षिक चुनौतियों का भी आयोजन करते हैं जहां आप कई लोगों के नए विचारों के खिलाफ अपने नए विचारों का परीक्षण कर सकते हैं (लेकिन यह टॉपकोडर की तुलना में बड़ा है: डी)
- यदि आपको अच्छे परिणाम मिलते हैं, तो यह अच्छा है। यदि आप अपने कुछ नए विचारों का उपयोग करते हुए अत्याधुनिक से बेहतर परिणाम प्राप्त करते हैं, तो उन्हें जांचें। फिर ट्रिपल उन्हें जांचें। और फिर एक फैंसी लेख प्रकाशित करें;)
मुझे यकीन है कि आप केवल मनोरंजन के लिए इमेज प्रोसेसिंग के बारे में कुछ सीखने और मैंने जो लिखा है उससे वास्तविक समय लेने वाले शोध के बीच एक मध्य पा सकते हैं ... वास्तव में, यहां एक विचार है: यहां चारों ओर लटकाएं और समझने और हल करने में मदद करने के लिए प्रयास करें अन्य लोगों की समस्याएं! उन सभी को अनुसंधान-विचार-लागू चरणों की आवश्यकता है, वे बस उन चरणों की गहराई के साथ भिन्न होते हैं जिनकी उन्हें आवश्यकता होती है;) किसी भी मामले में, मुझे आशा है कि यह मदद करता है।