记来先进院旅游
刚刚看FZUOJ的题目到现在，由于VS工程创建小问题和自己对C艹库的掌握不深让我深深陷入了对机考的绝望。
先进院我对物联网老师们的方向做了统计，结果如下：
| 多媒体信息安全 | 2 | |
| 图像处理 | 4 | |
| 模式识别 | 4 | |
| 多智能体系统 | 3 | |
| 物联网边缘计算 | 2 | |
| 深度强化学习 | 3 | |
| 无线通信系统 | 3 |
看来，图像处理和模式识别（机器学习、深度学习相关）的较多，而且，物联网的确是什么都有，前端感知层的的传感器网络设计的传感器技术，数据融合技术，嵌入式技术，以及物联网边缘计算问题；中端的网络层就是我们本科阶段学习到的东西（编码认证传输无线通信）
而数字所物联网计算中心主要是应用层的东西（可能会涉及到底层，比如说edge计算的时候）包含行业融合、信息资源的开发利用、低成本高质量的解决方案、信息安全的保障以及有效的商业模式的开发。
所以好好准备一下机器学习深度学习和CV相关知识。
来先进院的第二天，第一天发烧到39°，自己滴滴去南科大的医院看了病，吃了退烧药后现在只剩喉咙痛了（剧痛），上一个舍友说要挂瓶才能好（PS：昨天还因为老师没有回复我，我一个人拖着39°的身子走了好多路才到的医院而生气，但是事实上老师也是很忙，不要总想着别人来帮你，有些事情别人正好不巧没空，也是正常的），这里点名表扬一下翁同学的关心。
现在来说下先进院第一天，（因为这个喉咙大概今天喝了标准的八瓶水）。
上午开会，下午参观实验室，总的来说，先进院数字所是以计算机科学为主在大数据云计算上研究的科研院。
我今天下午参观了云计算、异构网络、多媒体相关的实验室。
云计算实验室很奇怪的学长在展示谐振无线充电的项目（也有些论文），还有基于射频信号的定位（貌似是传感器网络学的基于能力的RSSI测距然后通过min-max进行定位）（表示感兴趣）
然后参观了异构，那里用七层*20的计算性能低下的板子来构成一个计算整列（不能准确的算是边缘计算，毕竟边缘计算就不可能都在一个地方，同一个板子用版上通信协议，不同板子用网线相联。然后去了那个CVPR的高产地的办公室，第一个人正在自我介绍，说什么用什么敏捷开发，一看就知道是课设拿来说事情，第二个人是机械电子的，真的很牛逼，自学泛函，自学机器视觉（当然都是传统视觉，比如SIFT算子，和光流法，这是他自我介绍的关键词，我后来看一下和CSDN上的很像，估计是准备的很充分，我也要抽取关键词准备充分），第三位是本科阶段用深度学习的方法进行ReID的家伙（中山的小同学，指甲留很长，说话还比较娘，挺可爱？）对自己的项目了解的十分充分而且英语特别6（所以我也要好好准备自己项目）
所以说了那么多，我觉得多媒体那边问的很细，主要是看你知不知道以及是不是你做的。
所以我结合了一下老师的方向，我觉得，我可以先把自己项目的东西准备清楚了（加粗部分），然后把机器学习的东西准备了，然后准备经典图像处理（大部分是经典图像处理，偏深度的可以结合自己的科研，比如fasterrcnn，和yolo，我觉得物联网是一个十分广泛的学科，而且很懂技术你不一定要深入，这个项目我们就是知道需要实现这个功能，而且我们所知道的当时比较好的成熟的网络是fasterrcnn和yolo，我在过了一遍之后主要是实现部分，那时候我们是使用TX2跑的代码）
而且我当初就是抱着热情和憧憬第一志愿选的物联网，众所周知，物联网可以分为感知层、网络层、应用层，至于感知层（绝大部分都与嵌入式有关，而我大学期间就是物理与信息工程学院的，有很多课程与之相关，比如传感器与检测技术、单片机原理与嵌入式基础、嵌入式系统应用，而且我很早就开始了嵌入式的自学之路，在之后的考试中取得了全班第一，大学前期学习单片机stm32之后用的是树莓派基于OS的，我的嵌入式开发能力比较高），至于通信层（我们的物联网工程本来就是通信系下的，所学的课程绝大部分与通信相关，比如高频、信息通信与组网技术、通信原理、传感网）
最后就是应用层，我大学期间学习的语言比较多（虽然很多知识入门，知道基本特性和api的调用）比如c、c++、java、python、matlab等，而且我大学期间对数据挖掘和机器学习感兴趣，自学数学建模相关知识以及机器学习相关知识参加了四次数学建模比赛，获得两次校奖、一次省奖，我主要是对数据挖掘相关的题目比较感兴趣，做很多与优化相关的题目，因为很多问题到最后都是抽象成优化问题去解决。
OK，今天的胡言乱语到此结束
- 经历再好好过一遍
- 机器学习、数据挖掘、优化
- 经典图像处理、以及学过的知识，比如嵌入式以及通信
脑部面试环节：
看到简历第一个觉得，这小同学课程不错，通信原理和我们这边相关，等等可要好好问他
咦，奖也比较多，但是怎么貌似不会偏向计算机啊，机器人、电子、数学建模（还行），机器人比赛，二维码识别问问他直方图规定化把，顺便看看他对嵌入式二维码识别了解多少。这个双向PID也可以问问，毕竟是创新，我倒要看看他创新在哪
电赛手势识别，这个啥意思，我要好好问问，而且这个staking我也要好好看看他会不会、以及分类类间距离最大、FCN、svm、DT。
我要看看他这个基于图像循迹是什么东西，看看他会不会A*
我对这个嵌入式辅助驾驶的图像的目标检测与语义分割感兴趣，听听这个B怎么说
RTP的话，蛮问问是干啥的
数学建模……没啥东西，不如问点机器学习的（话说会tensorflow，问些tensorflow的问题）
突然觉得我知道的东西还挺多哈哈哈，SLAM啊 大数据HADOOP、SPARK啊、MLDL啊（虽然都没有深入把）
（预测老师手上有我的意向中心）
你想去物联网计算中心是吧，但是我看你的项目和这个有点不相干啊：
老师我觉得是十分相关的，我报志愿的时候就对物联网有很大的憧憬，智能家居、智慧城市，所以报了第一志愿，大学前期我没有机会接触实验室，只能自学以及参加比赛，我是通过自学stm32入门参加机器人比赛，而机器人比赛反而又锻炼了我的单片机编程、系统开发、嵌入式开发，之后的项目用到的树莓派，也是与物联网的感知层有关的。
好，你这里说你再中国机器人大赛中用到了mpu、嵌入式二维码识别还加上了直方图、创新了PID算法，你可以具体的讲一讲吗？：
好的，中国机器人大赛主要是自己搭建一个智能循迹小车通过各种障碍物复杂路况完成指定动作的一个项目，是我大一参加的，整个场地大概有10*8大小的绿布白线。其中有一些多边形斜坡（两侧的斜度和中间的还不一样，如果不能很好的识别并且走直，就会掉下斜坡跑飞）没有白线我就需要自己想方法通过，我那时候想的是，如果没有光电信息我就是用位姿信息和一个测量距离较远的激光传感器循迹，事实证明，真的十分好用，我们通过测量不同位置的mpu的pitch roll yaw的信息，然后每次没有光电信息的地方我们就测量位姿信息，分类之后就知道他是哪一个阶段，然后相应的做什么样的动作，比如我们在上坡的时候测到一种mpu的数据得知上坡（这里我们是硬调到上坡没有偏离太远，因为本来上坡的距离也没有太原）其次在坡上，我们首先通过激光进行远瞻循迹，地面和斜坡的颜色可以用激光区分，这样就可以大题在斜坡部分使用P控制使得其没有偏离大方向，然后对某一个方向角进行pid控制，使得其不会掉下去；后面说到嵌入式二维码识别我们也主要用的是zbar的库在stm32F429上（具体面试前可以看一看我的这篇博客），直方图规定化（我刚刚发现貌似ZBAR里有自适应二值化，但是这避免不了光照不均匀问题，比如你特别暗和特别亮，图像颜色都分布在很高或者很低，如果你是平均值自适应二值化，这样你的结果还是不好，所以需要图像规定化将其的分步先均匀了，然后再去二值化，会比较好区分，参见直方图均衡化和直方图规定化）之后我的哪个创新的PID其实就是，我们之前学长都是使用单排的灰度传感器，就是光电传感器，一排七个数据输入，前后两排一共14维数据，而且我当时有问过他们是每一种情况都手动调电机的速度，我想这种方法实在是太原始了，我就去调查，然后知道可以用过单排灰度使用不同的01（0代表有线、1代表没有线）情况，可以计算出灰度的位置，对这个位置进行PID控制，我试了一下的确可以，但是我想到我是有双排灰度的，我的数据量很多，为了增加我抓直线的能力增加速度，我想能不能加上我的角度信息，然后我就通过简单的数学推导从灰度信息得到小车与直线的夹角，也输入到PID，（这里其实是用了双环PID算法）机器学习的问题看西瓜书。
简单介绍一下你开发机器人使用的图像识别算法以及你的改进，还有A*算法。
参考：NCC、特征点检测、A*
fasterrcnn和yolo看我的blink。
面试结束了，昨天下午等到五点多的面试，肚子都饿了，每个人面试不超过15min，我算是刚刚好到达15min，这里简单记录一下面试内容。
首先进去英文自我介绍，不要太紧张不要卡壳就好了，老师不听的，只听流畅度，就连我说兴趣是ML和IOT他都不听，后面用中文问兴趣和方向。
第一个问题是自我介绍一下我的项目中觉得比较好的，我说了机器人国赛，然后我是如何创新做角度位姿双环pid的，然后老师问我的兴趣，我说是物联网物理层和应用层，对携能通信，数据挖掘，数据安全都有兴趣。然后问了我觉得什么课好，我说偏数字的课好，老师就问我stm32的串行接口，我说是IIC SPI UART CAN，然后问我什么是全双工什么是半双工也是超简单的题目，这个没得说。完事就问我说你觉得你的优点，我就从好奇心引申到家征那边的工作。然后就结束了，感觉最好还是准备全一点，因为时间很短，做一个PPT也是很好的。（这个之后准备）
总的来说感觉不错把，虽然很多老师都是先看985211然后决定的，但是希望一切顺利。