入坑機器視覺后，發(fā)現(xiàn)在開發(fā)與使用過程中總有各種bug導(dǎo)致系統(tǒng)的不穩(wěn)定，故總結(jié)之，以此為鑒，謹(jǐn)記勿犯！

設(shè)定明確的邊界條件

機器視覺或者說現(xiàn)在的人工智能，還沒有做到完全的智能，所以在生產(chǎn)實踐中更好的方法是在特定的條件下開發(fā)特定的算法，將算法框定在一個明確的范圍內(nèi)時，那么算法將變的更加robust，否則脆弱不堪，應(yīng)用某visioner的話，這樣的算法非常weak。在此基礎(chǔ)上，小心迭代擴大算法的適用場景與范圍是明智之舉。設(shè)計算法不考慮特定應(yīng)用場景、沒有明確邊界條件、沒有前提假設(shè)，這是新手常犯的錯誤，避之免之。

賦予任何參數(shù)以明確的物理意義

由于機器視覺的處理結(jié)果與實際物理環(huán)境緊密相連，參數(shù)作為設(shè)計算法時的重要變量，一定要賦予實際的物理意義，做到有理可依，有時候憑借經(jīng)驗設(shè)置的參數(shù)值也許僅僅適用于某一物理尺度，當(dāng)環(huán)境改變時，這樣的參數(shù)將失效并且這樣的問題也往往不容易察覺，給算法帶來不穩(wěn)定的隱患。雖然在調(diào)試深度學(xué)習(xí)時，有的參數(shù)確實是憑借經(jīng)驗，無法解釋，但是設(shè)計傳統(tǒng)算法時還是要遵循此原則。

遵循軟件工程的原則開發(fā)

這條規(guī)則不僅僅適用于機器視覺軟件、其他軟件開發(fā)也同樣適用于非軟件的其他工程項目開發(fā)。我在菜鳥季經(jīng)常犯的錯誤是，短時間內(nèi)不斷的在原有算法基礎(chǔ)上增加大量功能，貪圖省時省事（有時候是時間緊急、迫不得已！），沒有對每一個功能模塊進(jìn)行單體測試，開發(fā)完成后直接進(jìn)行結(jié)合測試。這樣的測試是低效的、不完整的，日后會有各種bug暴露出來，按軟件工程原則開發(fā)、有節(jié)奏的開發(fā)，將帶領(lǐng)你走出新手村。

重視現(xiàn)場

機器視覺是一個與現(xiàn)場結(jié)合非常緊密的學(xué)科或者工作，并且相比計算機視覺，機器視覺需要高度的穩(wěn)定性，所以要充分積累現(xiàn)場的經(jīng)驗，結(jié)合現(xiàn)場往往會帶來算法上的簡化與穩(wěn)定，帶來開發(fā)效率的提升，所以現(xiàn)場是寶庫，積累經(jīng)驗升級自己，具體實例等待各位machine visioner去現(xiàn)場體驗。

提升創(chuàng)造力

經(jīng)驗與創(chuàng)造力是驅(qū)動機器視覺能力的兩架馬車，如果僅僅只是經(jīng)驗的增長，就不能靈活應(yīng)對未來各種各樣的任務(wù)，在機器視覺智能化的道路上不會走遠(yuǎn)。提升創(chuàng)造力的關(guān)鍵在于涉獵與思考，不斷涉獵與之相關(guān)的大量的知識，各種信息在頭腦中碰撞產(chǎn)生創(chuàng)造力的靈感，思考如何應(yīng)用于實踐，這將對提升創(chuàng)造力大有裨益。

責(zé)任編輯：lq