我一直觉得，一个人如果善于总结自己已经学过的知识，并为自己定制一些目标，可以在接下来的时间里，更有效率的工作。很可惜，我并不是一个善于总结的人，我总是埋头折腾，然而经常回头一看，发现自己走了很多弯路，幸好我有一些比较聪明的朋友，能够给我一些很有帮助的指导。
很多时候，我的生活就像我在电脑面前搜索，我明明在搜索一个问题的答案，但我却很容易被搜索过程中看到的另外的问题吸引过去，最终迷失了已有的方向。
在读研期间，我一直在假想，假设我工作了，现在将会是怎样的一番景象，尤其今年化为将工资涨了近30%，两年前，我面对着保研协议和华为的三方协议，选择了保研，现在看到已工作的同学拿着不菲的收入，而现在的我在实验室拿着200元/月的浅薄工资，除了偶尔时间上更为自由一点，依然要苦逼的工作，心里很有一番滋味。
然而，人不能同时走两条路。
其实也没做多少事
去年这个时候的暑假，我正在帮老板修改paper，完成实验，paper上要求的实验做完之后，我回了一趟家，等待这研一的正式报道。
那篇paper我作为三作投了Patter Recognition之后被拒了，从我做实验到我知道被拒，几乎总总过了一年，我开始了解了为什么那么多博士不能按期毕业。在去年的国庆节，我糅合了两个程序，一个是粒子滤波跟踪的，另一个是光流法跟踪的，作为跟踪来讲，它比原光流跟踪效果要好，在某些特殊情况下可以克服粒子滤波的缺陷，然而，以上这两个方法本身效果也并不出色，所以，即使我在它们的基础上进行改进，其效果依然不登大雅之堂。但我觉得我想法还是有创新之处，可以自己写一片小文章，不过在写成初稿之后，被老板压下，将我换做图像分割方向了。如果有机会，我将之前写的程序转移到linux下，并将其开源吧
其实我是非常愿意做图像分割领域，我老板正擅长这个领域，我当初也是冲着这个来的。只是有点晚，图割做图像分割，我在大四上学期学习过，但未深入了解，我当时只知道图割做图像分割是用最大流最小割定理来证明，并通过网络流算法完成其分割过程的。现在虽然了解了很多网络流算法，但还不能立马手写出，对于图割常用的最大流算法原理也处于比较迷糊的状态。
转到图像分割方向的第一件事居然是修改一个国家自然科学基金的报告。说实话，我真的觉得这些文档类工作在浪费我宝贵的研究生时间。
转眼到了2013年，过年来学校第一件事就是跟实验室同级同学一起调一个程序，我花了一个多礼拜在linux下给同学搭建了一个较好用的协同分割框架，这个分割框架老板觉得是可以写文章的，然而在五六月份实验结果出来后，效果不尽如人意，老板决定换idea，当然，我并不主要负责那个程序，所以也不关我的事。
后来，我在写一个diversity ranking进行协同分割的程序，准确的说，我是在修改。同时也修改四色标记程序，使其成为一个具有“启发式”的分割程序。直到现在，这两个程序依然是我主要要改进的两个程序。
说不定我发paper的唯一希望也就在这里了。
目标驱动
以上都是实验室相关的工作，之所以读研，就是为了个好工作，当然得做点实事：
首先要说的就是APUE了，这本书我最初看不懂，现在也是稍微懂了一点点，以后我还将继续阅读n遍；
其次参加各种竞赛：腾讯马拉松，微软编程之美，中兴捧月，结局基本都一样：通过第一轮，过不了第二轮，甚是遗憾，明年继续努力；
再者，在POJ上面A了70多道题，挤进前1w名（呵呵）；
然后，就是阅读一些与工作相关的书籍，比如Cracking the coding interview, 算法导论，设计模式，其中夹杂着阅读一些新语言相关的内容，比如ruby, nodejs, python等，这些新语言都很有意思，有些的确值得学习一下，同时也逛各种开原社区，如ruby-china, CNode, 也学习了git，github等便捷的使用；
还有很多事需要做……
今年工作是相对去年好找的，错失了今年不知道明年我来找工作的时候是怎样的行情？总之好好努力吧。