@hayao650 这个恐怕得您自己想办法来实现。

@gouwudang 谢谢:)

不过希望是深圳、厦门的工作。

在正文编辑的时候用markdown的文法可以插入图片。

@phoeagon 谢谢你的建议～

@siri 谢谢~

三面结束。待回绝(笑哭)

继续学习~

@ruandao 发这个帖子就是希望能对别人有一些帮助。

我也很开心，谢谢~

@Gestalt 哈哈幸会~

看了一下你厂的资料，NLP厂家的文案就是高大上。招实习生来做数据标注有点小坑~^_^

@79bxh9b 人工标注的。

你可以想象你用PS抠图的时候，自己拉了个大致的范围，然后PS来帮你定位出精确的位置。

@ooxxcc 所以说，做图像处理的想要在工业领域做出产品，太难了。

你看知乎这个问题： http://www.zhihu.com/question/22990970

-_-|||

@jimmy66 嗯，多交流~

@shakoon 谢谢~

@theoractice 超像素分割算法是图像预处理的一部分。

它将相似邻近的像素抽象出来，视为一体。

这样做一方面能够让我们更方便把握图像的纹理结构信息。另一方面，降低了后期算法的复杂度。

@ooxxcc 现在我做的一个工业项目，也是相当尴尬。

工业上对于图像识别的准确率，几乎要求100%。

即使算法能够达到99%，也意味着100次操作会出现一次失误，而失误的代价是很大的。

@Valyrian 这个难度确实适合大作业完成。今年带一个本科生做毕业设计，也是超像素分割。

@zerh925 算法基于K均值聚类，提取像素的位置(x, y)以及像素的值(r, g, b)作为特征。

在已有超像素分割算法中效果还是不错的。

对于边缘没那么明显的图片，你可以尝试增大超像素的个数。

@ooxxcc 是的，OpenCV自带一些颜色空间转换的函数，针对的是Mat格式。SLIC类中所带的转换函数针对的是unsigned int格式。

@ooxxcc 论文作者发布的代码只能够处理32位的图片，我增加了对8位图片的支持。

@ooxxcc 你指的是哪个过程中的颜色空间转换？