对最大流算法历史文献的一个调研
Table: Polynomial algorithms for the max flow problem
我的第一篇paper
找实习虽然只为自己争取到一个秋季的绿色通道，但可喜的是，我投的几篇paper，终于中了一篇。
现在可以在英文数据库或google scholar上面搜索到自己名字，感觉很nice，研究生的心愿算是完成了一部分，至于剩下的中不中，都不那么重要了，已经留下了自己在科研道路上的足迹。
投递的杂志是Signal Processing，是一个很不错的杂志，从ACCEPT到文章上线速度很快，在我校的评级是B类期刊，发表一篇达到学校博士毕业的基本要求（一篇B或者2篇C），审稿周期算是中等吧，这篇文章的周期大约是7个月。
Image Cosegmentation by Co-Diffusion
这算是大半年来的结果吧，从今年4月份一直做到10月份，有很多很多的尝试，虽然最终在理论上并未有很大的创新，实验结果却比较给力。
协同分割，即不仅要完成分割，而且要将不同图像的分割结果进行“归类”行为
写出了一篇像模像样的paper，正在赶投各种Journal，不知终归何处
看看实验的效果图吧，最好的肯定是我做出来的，哈哈
Frequency Tuned Saliency
在近年来，图像相关的会议或者杂志中，炒的比较热的一个词是：显著性！
何谓显著性？
顾名思义，显著性就是指不同于一般性质的一种表现，通常它都是不好量化衡量的。
从图割到图像分割（二）——图的构造
之前解释了为什么能用最大流最小割算法来做图像分割，其实更为正式的引用，即为众多paper所写的那样，图割其实是用来优化能量函数的，我是从自己的一些体会来写的，因为“能量函数”这东西，太过虚无飘渺，不够直观，不便于理解。
在我了解了为什么能够用过做图像分割后，又有问题困扰我：为什么我们所见到的图构建都是四邻域或八邻域的？为什么不是一个全域图（两两相连）？
这个问题似乎也有很多搞图像分割的大牛注意到了，他们最初或许是在实验中发现四邻域和八邻域已经很好了，但后来他们还是给为什么这样做提供了理论依据
