如何实现定位建模算法的目标

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第9天，点击查看活动详情

这两天有很多想做的事情，但当计划实际落地的时候，却发现无从下手。所以无论又如何的鸿鹄之志，也一定要先扫自家三分地。

Talk is easy, show me code.

本文按照今日学习的问题分解和质量指标讲座为为出发点，介绍问题定义、指标制定的方法，并以当前目标为案例进行实际测试。

问题定义

问题的定义是为了更有条理性的解决问题。

第一步，分类管理，按照优先级逐个解决。

问题的状态可以简单分为五种，

1. 问题被定义；
2. 明确问题的根本原因；
3. 找到短期措施并验证有效性；
4. 确定长期措施并确定生效事件；
5. 充分验证长期措施并实施；

指标制定

指标制定是一种辅助管理手段，以达成产量质量表现等目的。

总体规划、逐级分解是指标的实施方法，再指标制定的时候，一定要确保其具有一定挑战性，但通过努力可以达成，根据实际情况进行实时调整。

任务实践

当你拿到一个目标的时候，你必须得定义这个问题，明确需要做到的程度，然后再明确为什么现在无法实现。

我就犯了这样一个错，当我发现stereo_dso 和我试图实现的低速状态下定位建模算法的目标一致时，我就打算向以前看一段接单代码一样，从main()函数开始看起

int main( int argc, char** argv )
{
    //setlocale(LC_ALL, "");
​
    for(int i=1; i<argc;i++)
        parseArgument(argv[i]);
    
    // hook crtl+C.
    boost::thread exThread = boost::thread(exitThread);
​
    ImageFolderReader* reader = new ImageFolderReader(source+"/image_0", calib, gammaCalib, vignette);
    ImageFolderReader* reader_right = new ImageFolderReader(source+"/image_1", calib, gammaCalib, vignette);
    reader->setGlobalCalibration();
    reader_right->setGlobalCalibration();
……

以零基础开发一个AI模型为例，你拿到手就去看研究生论文、博士论文是没用的，你去看上万行代码的行业目前最优的开源项目也是毫无帮助。

因此，你必须给自己制定一个可以实现的指标：

先做一个符合算法定义的算法，只需要有输入，有输出，中间的模型其实可以不用太复杂。

1. 明确定位建模算法的需要和目的，需要哪些数据输入；
2. 明确算法输出，定位建模算法的目的是什么，可以得到什么结果；
3. 如何最简单的实现结果，如何实现；