第一篇：全景拼接算法简介解读
全景拼接算法简介
罗海风 2014.12.11
目录
1.概述...................................................................................................................................1 2.主要步骤............................................................................................................................2 2.1.图像获取............................................................................................................................................2 2.2鱼眼图像矫正.....................................................................................................................................2 2.3图片匹配.............................................................................................................................................2 2.4 图片拼接.............................................................................................................................................2 2.5 图像融合.............................................................................................................................................2 2.6 全景图像投射....................................................................................................................................2 3.算法技术点介绍..................................................................................................................3 3.1 图像获取............................................................................................................................................3 3.2鱼眼图像矫正.....................................................................................................................................4 3.3 图片匹配............................................................................................................................................4
3.3.1与特征无关的匹配方式............................................................................................................4 3.3.2根据特征进行匹配的方式........................................................................................................5
3.4图片拼接.............................................................................................................................................5 3.5图像融合.............................................................................................................................................6
3.5.1平均叠加法................................................................................................................................6 3.5.2 线性法........................................................................................................................................7 3.5.3 加权函数法................................................................................................................................7 3.5.4 多段融合法（多分辨率样条）...............................................................................................7
3.6全景图像投射.....................................................................................................................................7
3.6.1 柱面全景图................................................................................................................................7 3.6.2 球面全景图................................................................................................................................7 3.6.3 多面体全景图............................................................................................................................8
4.开源图像算法库OPENCV拼接模块...................................................................................8 4.1 STITCHING_DETAIL程序运行流程.....................................................................................................8 4.2 STITCHING_DETAIL程序接口介绍.....................................................................................................9 4.3 测试效果..........................................................................................................................................10 5.小结.................................................................................................................................10 参考资料.............................................................................................................................10
1.概述
全景视图是指在一个固定的观察点，能够提供水平方向上方位角360度，垂直方向上180度的自由浏览（简化的全景只能提供水平方向360度的浏览）。
目前市场中的全景摄像机主要分为两种：鱼眼全景摄像机和多镜头全景摄像机。鱼眼全景摄像机是由单传感器配套特殊的超广角鱼眼镜头，并依赖图像校正技术还原图像的鱼眼全景摄像机。鱼眼全景摄像机最终生成的全景图像即使经过校正也依然存在一定程度的失真和不自然。多镜头全景摄像机可以避免鱼眼镜头图像失真的缺点，但是或多或少也会存在融合边缘效果不真实、角度有偏差或分割融合后有“附加”感的缺撼。
本文档中根据目前所查找到的资料，对多镜头全景视图拼接算法原理进行简要的介绍。
2.主要步骤
2.1.图像获取
通过相机取得图像。通常需要根据失真较大的鱼眼镜头和失真较小的窄视角镜头决定算法处理方式。单镜头和多镜头相机在算法处理上也会有一定差别。
2.2鱼眼图像矫正
若相机镜头为鱼眼镜头，则图像需要进行特定的畸变展开处理。
2.3图片匹配
根据素材图片中相互重叠的部分估算图片间匹配关系。主要匹配方式分两种： A．与特征无关的匹配方式。最常见的即为相关性匹配。
B．根据特征进行匹配的方式。最常见的即为根据SIFT，SURF等素材图片中局部特征点，匹配相邻图片中的特征点，估算图像间投影变换矩阵。
2.4 图片拼接
根据步骤2.3所得图片相互关系，将相邻图片拼接至一起。
2.5 图像融合
对拼接得到的全景图进行融合处理。
2.6 全景图像投射
将合成后的全景图投射至球面、柱面或立方体上并建立合适的视点，实现全方位的视图浏览。图1:opencv stitching模块进行图像拼接的处理流程
（部分步骤可选）
3.算法技术点介绍
3.1 图像获取 由于鱼眼镜头和常规镜头在生成全景图方面存在很大差异，其校正算法完全不同，因此需分开讨论。但是校正后的图像进行拼接步骤时的处理方法一定程度上可通用。A．单常规镜头拍摄多张图片方式（手持）
该方式很常见，在目前多种手机上均有相关全景功能。B．多个常规镜头组成的相机（或单镜头旋转扫描方式）
图2：三星2014年发布的360度全景照相机Project Beyond，内置16个摄像头
C．鱼眼镜头拍摄
图3：理光2013年发布双鱼眼全景相机RICOH THETA
3.2鱼眼图像矫正 若为鱼眼镜头采集的到的图像，必须对图像进行矫正。鱼眼镜头图像校正算法通常有两种：一种是球面坐标定位法，一种是经纬映射法。具体推导过程见参考资料【1】《鱼眼照片生成全景图算法的研究与实现》，矫正效果如下图所示：
图4：鱼眼图像及校正后的展开图
3.3 图片匹配
3.3.1与特征无关的匹配方式 与特征无关的匹配方式常见的为相关性匹配，一般都用于没有复杂变换的图像拼接情况下。该方式计算简单，仅为普通的灰度模板匹配。具体细节见参考文档【2】《全景图生成技术研究》。
图5：模板匹配法示意图
3.3.2根据特征进行匹配的方式
基于特征的匹配首先从图像上选取特征信息，然后识别出两幅图像对应的特征信息。常用的特征信息有特征轮廓，特征曲线，特征点，多采用特征点匹配法。
进行特征点匹配的第一步是提取所有素材图片的局部特征点。普遍来讲，一张图片所包含的特征点通常就是周围含有较大信息量的点，而仅通过这些富有特征的局部，基本就可以推测出整张图片。常见的特征点包括SIFT，FAST，SURF等。
图6：SITF特征点检测效果图。青色内容为检测到的SIFT特征点。由于特征点由特征向量表示，所以图中每个特征点显示为一个箭头。
形成特征向量之后下一个问题就是如何匹配了。最基本的方式可以称作“最邻近搜索”（Nearest
Neighbour），实际上也就是找在128维空间上直线距离最近的的特征向量，这个求直线距离的方式和2维无异，最近的特征向量也就被认为是互相匹配。SIFT原作者使用的方式是增加了k-d tree算法来高效率地完成高维度上的最邻近搜索。特征点匹配效果如下图所示。
图6：SITF特征点匹配效果图
3.4图片拼接
在以上步骤中得到了图像间的匹配关系，就可以根据这些关系进行图像的拼接了。按照图像匹配的不同方式，拼接处理也分两大类：
A．根据模板匹配的方式，可得到图片见的平移（或者包括缩放）参数，继而根据参数进行图像拼接操作；
B．根据特征点匹配的方式，则利用这些匹配的点来估算“单应矩阵”（Homography Estimation），也就是把其中一张通过个关联性和另一张匹配的方法。单应矩阵H效果如下：
通过单应矩阵H，可以将原图像中任意像素点坐标转换为新坐标点，转换后的图像即为适合拼接的结果图像。下图即为找出符合几何约束的特征点之后，通过单应矩阵来对齐两张图片的内容。
图7：根据特征点进行图像拼接的效果图
图8：多张图像拼接效果
3.5图像融合3.5.1平均叠加法
平均叠加法是直接对图像进行平均叠加。这是最简单的融合方法，会出现明显的拼接缝隙。
图像拼接后，需要对图像重叠部分进行融合处理。图像融合技术决定了最终图像合成质量，常用的有平均叠加法，线性法，加权法，多段融合法等。具体见参考文档【2】《全景图生成技术研究》。3.5.2 线性法
合。
3.5.3 加权函数法
3.5.4 多段融合法（多分辨率样条）
3.6全景图像投射 3.6.1 柱面全景图 固定视点，使相机在水平面内旋转一周拍摄场景，得到一组具有重叠区域的连续环视图像序列，将这组图像序列无缝拼合，并投影到柱面空间坐标，就得到了衣服柱面全景图。柱面投影就是讲图像投影到柱面上，它是一种透视投影而非平行投影，通俗的讲就是要活的从投影中心这一点上观察图像在柱面上的成像。下图表示将三维空间上的点（X,Y,Z）映射到柱面模型上得到对应于柱面模型上的点（x,y,z）的过程。其中θ为观察视域中心与X轴夹角，h为柱面模型高度，(x,y,z)为（X,Y,Z）在柱面模型上的投影。多段融合法是目前比较好的融合方法，拼接成的图像既清晰又光滑无缝，能避免缝隙问题和叠影现象。另外，如果选取好的最佳缝隙线，还能处理有轻微运动物体的图像拼接。但该方法运算量大是其明显缺陷。加权函数法与线性法类似，也是广泛应用的融合方法之一。该方法能有效去除边界缝隙，但在拼合区往往出现叠影模糊的现象。柱面图像的拼接多采用简单的线性法。图像映射到柱面坐标下，图像间就是简单的纯平面平移变换，局部对准后，对重叠区域用线性法融合。该方法适合柱面全景图生成，或者仅具有平移变换的两幅图像融
图9：柱面全景图生成模型
其中，图10：柱面全景图效果图
详细的柱面投影模型的推导过程，见参考文档【5】《柱面全景图拼接算法的研究》。
3.6.2 球面全景图 球面全景图是通过求取图像映射到球面的参数，将图像映射到球面模型上，然后得到的平面反展开图就是球面全景图或者部分球面全景图。
图11：球面投影变换结果图
图12：球面全景图拼接效果
3.6.3 多面体全景图 以景物中心为固定视点来观察整个场景，并将周围场景的图像记录在以该点为中心的环境映射到多面体上，这样环境映射以多面体全景图像的方式来提高其中心视点的场景描述。多面体全景图中以立方体最为简单，立方体全景图是由6幅广角为90度的画面组成。
图13：立方体全景图效果
4.开源图像算法库OpenCV拼接模块
4.1 stitching_detail程序运行流程
1.命令行调用程序，输入源图像以及程序的参数
2.特征点检测，判断是使用surf还是orb，默认是surf。
3.对图像的特征点进行匹配，使用最近邻和次近邻方法，将两个最优的匹配的置信度保存下来。4.对图像进行排序以及将置信度高的图像保存到同一个集合中，删除置信度比较低的图像间的匹配，得到开源图像算法库OpenCV在2.4.0版本后集成了一个全景图拼接模块stitch，其中一个较详细的样例代码stitching_detail.cpp简要介绍如下： 能正确匹配的图像序列。这样将置信度高于门限的所有匹配合并到一个集合中。5.对所有图像进行相机参数粗略估计，然后求出旋转矩阵 6.使用光束平均法进一步精准的估计出旋转矩阵。7.波形校正，水平或者垂直 8.拼接
9.融合，多频段融合，光照补偿，4.2 stitching_detail程序接口介绍 img1 img2 img3 输入图像
--preview 以预览模式运行程序，比正常模式要快，但输出图像分辨率低，拼接的分辨率compose_megapix 设置为0.6
--try_gpu(yes|no)是否使用GPU(图形处理器)，默认为no /* 运动估计参数 */
--work_megapix <--work_megapix
--features(surf|orb)选择surf或者orb算法进行特征点计算，默认为surf
--match_conf
--conf_thresh
--ba(reproj|ray)光束平均法的误差函数选择，默认是ray方法
--ba_refine_mask(mask)---------------
--wave_correct(no|horiz|vert)波形校验 水平，垂直或者没有 默认是horiz
--save_graph
--warp(plane|cylindrical|spherical|fisheye|stereographic|compressedPlaneA2B1|compressedPlaneA1.5B1|compressedPlanePortraitA2B1|compressedPlanePortraitA1.5B1|paniniA2B1|paniniA1.5B1|paniniPortraitA2B1|paniniPortraitA1.5B1|mercator|transverseMercator)
选择融合的平面，默认是球形
--seam_megapix
--seam(no|voronoi|gc_color|gc_colorgrad)拼接缝隙估计方法 默认是gc_color
--compose_megapix
--expos_comp(no|gain|gain_blocks)光照补偿方法，默认是gain_blocks
--blend(no|feather|multiband)融合方法，默认是多频段融合--blend_strength
命令使用实例，以及程序运行时的提示： 4.3 测试效果
图14：usb摄像头拍摄的办公室90度视角的六张图像
图15：生成的全景图
OpenCV的图像拼接模块效果良好，但是由于考虑到及其缺乏条件的情况，因此算法方面采用了很多很复杂的方法，如待拼接的图像顺序不明，基于特征点的图像匹配，迭代优化估计相机焦距参数等，耗时十分长（此例子中，耗时大约十几分钟）。当有合适的硬件配合时，整个算法流程可以大大简化。
5.小结
本文档根据网上搜集到的部分信息，对全景拼接算法进行了概括性的介绍，并展示了开源图像算法库根据已有的结果，可以看出，以opencv全景模块为算法流程蓝本，过程过于复杂，暂时无法实现实opencv的全景图拼接效果测试效果。
时性。而相对的，利用一些先验知识（如素材图像顺序）和硬件条件（相机参数，拍摄约束等），可以大大简化图像拼接算法流程和难度，关键的步骤如图像几何模型投影等内容，又已经搜集到了相关文献，可以学习详细推导过程，从而自行编程实现完整算法流程。
参考资料
1.鱼眼照片生成全景图算法的研究与实现，程菊明等，计算机工程与应用，2007 2.全景图生成技术研究，李艳丽，山东大学硕士毕业论文，2007 3.球面全景图像生成技术的研究，杨燕等，2007 4.全景图像拼接技术研究现状综述，江铁等，重庆工商大学学报，2012 5.柱面全景图拼接算法的研究，付金红，哈尔滨理工大学硕士毕业论文，2005 6.Stitching Pipeline, OpenCV Reference, http://docs.opencv.org/modules/stitching/doc/introduction.html 7.合成全景图中计算机视觉技术的知识和原理 http://
10.三星发布360度全景相机Project Beyond http://tech.sina.com.cn/digi/dc/2014-11-14/09059791064.shtml
11.理光发布双鱼眼镜头全景相机http://www.xiexiebang.com.hk/dc/talk/1439/4389/1/
12.Stitching_detail算法介绍 http://blog.csdn.net/skeeee/article/details/19480693
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
第二篇：常用推荐算法简介
1.前言
随着互联网技术和社会化网络的发展，每天有大量包括博客，图片，视频，微博等等的信息发布到网上。传统的搜索技术已经不能满足用户对信息发现的需求，原因有多种，可能是用户很难用合适的关键词来描述自己的需求，也可能用户需要更加符合他们兴趣和喜好的结果，又或是用户无法对自己未知而又可能感兴趣的信息做出描述。推荐引擎的出现，可以帮用户获取更丰富，更符合个人口味和更加有意义的信息。
个性化推荐根据用户兴趣和行为特点，向用户推荐所需的信息或商品，帮助用户在海量信息中快速发现真正所需的商品，提高用户黏性，促进信息点击和商品销售。推荐系统是基于海量数据挖掘分析的商业智能平台，推荐主要基于以下信息： 热点信息或商品
用户信息，如性别、年龄、职业、收入以及所在城市等等 用户历史浏览或行为记录 社会化关系
2.个性化推荐算法
2.1.基于人口统计学的推荐（同类人喜欢什么就推荐什么）
基于人口统计学的推荐机制（Demographic-based Recommendation）是一种最易于实现的推荐方法，它只是简单的根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户。
首先，系统对每个用户都有一个用户 Profile 的建模，其中包括用户的基本信息，例如用户的年龄，性别等等；然后，系统会根据用户的 Profile 计算用户的相似度，可以看到用户 A 的 Profile 和用户 C 一样，那么系统会认为用户 A 和 C 是相似用户，在推荐引擎中，可以称他们是“邻居”；最后，基于“邻居”用户群的喜好推荐给当前用户一些物品。这种基于人口统计学的推荐机制的好处在于：
因为不使用当前用户对物品的喜好历史数据，所以对于新用户来讲没有“冷启动（Cold Start）”的问题。
这个方法不依赖于物品本身的数据，所以这个方法在不同物品的领域都可以使用，它是领域独立的（domain-independent）。
然后，这个方法的缺点和问题就在于，这种基于用户的基本信息对用户进行分类的方法过于粗糙，尤其是对品味要求较高的领域，比如图书，电影和音乐等领域，无法得到很好的推荐效果。另外一个局限是，这个方法可能涉及到一些与信息发现问题本身无关却比较敏感的信息，比如用户的年龄等，这些用户信息不是很好获取。
2.2.基于内容的推荐（用户喜欢什么，就推荐相同类型的）
基于内容的推荐是在推荐引擎出现之初应用最为广泛的推荐机制，它的核心思想是根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。这种推荐系统多用于一些资讯类的应用上，针对文章本身抽取一些tag作为该文章的关键词，继而可以通过这些tag来评价两篇文章的相似度。这种推荐系统的优点在于：
易于实现，不需要用户数据因此不存在稀疏性和冷启动问题。基于物品本身特征推荐，因此不存在过度推荐热门的问题。
然而，缺点在于抽取的特征既要保证准确性又要具有一定的实际意义，否则很难保证推荐结果的相关性。豆瓣网采用人工维护tag的策略，依靠用户去维护内容的tag的准确性。
2.3.基于关联规则的推荐（用户喜欢A，A和B有紧密联系，就推荐B）
基于关联规则的推荐更常见于电子商务系统中，并且也被证明行之有效。其实际的意义为购买了一些物品的用户更倾向于购买另一些物品。基于关联规则的推荐系统的首要目标是挖掘出关联规则，也就是那些同时被很多用户购买的物品集合，这些集合内的物品可以相互进行推荐。目前关联规则挖掘算法主要从Apriori和FP-Growth两个算法发展演变而来。基于关联规则的推荐系统一般转化率较高，因为当用户已经购买了频繁集合中的若干项目后，购买该频繁集合中其他项目的可能性更高。该机制的缺点在于： 计算量较大，但是可以离线计算，因此影响不大。
由于采用用户数据，不可避免的存在冷启动和稀疏性问题。存在热门项目容易被过度推荐的问题。
2.4.基于协同过滤的推荐
协同过滤是一种在推荐系统中广泛采用的推荐方法。这种算法基于一个“物以类聚，人以群分”的假设，喜欢相同物品的用户更有可能具有相同的兴趣。基于协同过滤的推荐系统一般应用于有用户评分的系统之中，通过分数去刻画用户对于物品的喜好。协同过滤被视为利用集体智慧的典范，不需要对项目进行特殊处理，而是通过用户建立物品与物品之间的联系。
目前，协同过滤推荐系统被分化为两种类型：基于用户(User-based)的推荐和基于物品(Item-based)的推荐。
2.4.1.基于用户的推荐
基于用户的协同过滤推荐的基本原理是，根据所有用户对物品或者信息的偏好（评分），发现与当前用户口味和偏好相似的“邻居”用户群，在一般的应用中是采用计算“K-Nearest Neighboor”的算法；然后，基于这 K 个邻居的历史偏好信息，为当前用户进行推荐。这种推荐系统的优点在于推荐物品之间在内容上可能完全不相关，因此可以发现用户的潜在兴趣，并且针对每个用户生成其个性化的推荐结果。缺点在于一般的Web系统中，用户的增长速度都远远大于物品的增长速度，因此其计算量的增长巨大，系统性能容易成为瓶颈。因此在业界中单纯的使用基于用户的协同过滤系统较少。2.4.2.基于物品的推荐
基于物品的协同过滤和基于用户的协同过滤相似，它使用所有用户对物品或者信息的偏好（评分），发现物品和物品之间的相似度，然后根据用户的历史偏好信息，将类似的物品推荐给用户。基于物品的协同过滤可以看作是关联规则推荐的一种退化，但由于协同过滤更多考虑了用户的实际评分，并且只是计算相似度而非寻找频繁集，因此可以认为基于物品的协同过滤准确率较高并且覆盖率更高。
同基于用户的推荐相比，基于物品的推荐应用更为广泛，扩展性和算法性能更好。由于项目的增长速度一般较为平缓，因此性能变化不大。缺点就是无法提供个性化的推荐结果。两种协同过滤，在基于用户和基于物品两个策略中应该如何选择呢？其实基于物品的协同过滤推荐机制是 Amazon 在基于用户的机制上改良的一种策略，因为在大部分的 Web 站点中，物品的个数是远远小于用户的数量的，而且物品的个数和相似度相对比较稳定；同时基于物品的机制比基于用户的实时性更好。但也不是所有的场景都是这样的情况，在一些新闻推荐系统中，也许物品，也就是新闻的个数可能大于用户的个数，而且新闻的更新程度也有很快，所以它的相似度依然不稳定。所以，推荐策略的选择其实也和具体的应用场景有很大的关系。
基于协同过滤的推荐机制是现今应用最为广泛的推荐机制，它有以下几个显著的优点： 它不需要对物品或者用户进行严格的建模，而且不要求物品的描述是机器可理解的，所以这种方法也是领域无关的。
这种方法计算出来的推荐是开放的，可以共用他人的经验，很好的支持用户发现潜在的兴趣偏好。
然后而它也存在以下几个问题：
方法的核心是基于历史数据，所以对新物品和新用户都有“冷启动”的问题。推荐的效果依赖于用户历史偏好数据的多少和准确性。
在大部分的实现中，用户历史偏好是用稀疏矩阵进行存储的，而稀疏矩阵上的计算有些明显的问题，包括可能少部分人的错误偏好会对推荐的准确度有很大的影响等等。对于一些特殊品味的用户不能给予很好的推荐。
由于以历史数据为基础，抓取和建模用户的偏好后，很难修改或者根据用户的使用演变，从而导致这个方法不够灵活。
3.推荐系统与广告投放
互联网上的主题广告推广（例如，百度推广，google adsense）的目标在于实现一个面向用户的个性化广告投放系统。通过把个性化推荐算法在广告投放中的应用，就实现了我们个性化广告投放的目标。那么，这种演变是如何实现的呢？
在互联网中，例如，百度，拥有大量的网页信息，而主题广告推广的对象不是用户而是某一类型的页面。通过类比，每种网页类型对应于推荐系统中的一个用户，而每一个广告就对应于推荐系统中的一个物品，网页类型（用户）对广告（物品）的评分则可以用该网页类型中投放广告时的点击情况来计算，这样就构成了一个user-item-rating的矩阵。也就是，通过协同过滤算法可以实现对不同类型的网页进行广告推荐。
此外，实际应用协同过滤算法来进行广告投放也存在一个些问题。例如，协同过滤中的“冷启动”问题，也就是新增广告条目的推荐需要额外考虑；同时，也需要考虑用户对广告的接受程度，广告库存率等问题。
4.业界个性化推荐系统
4.1.Yahoo！Resarch豆瓣猜
豆瓣网在国内互联网行业美誉度很高，这是一家以帮助用户发现未知事物为己任的公司。它的“豆瓣猜”是一种个性化的推荐，其背后采用了基于用户的协同过滤技术。那么，豆瓣猜是如何向我们推荐产品的呢？
首先，确定什么样的产品适合推荐？豆瓣猜提出选择”具有媒体性的产品(Media Product)“来进行推荐，即选择多样、口味很重要、单位成本不重要，同时能够广泛传播(InformationCascade)的产品；接着在对真实的数据集进行定量分析后，进一步得出，应该是条目增长相对稳定、能够快速获得用户反馈，数据稀疏性与条目多样性、时效性比较平衡的产品，才是适合推荐的产品。
其次，豆瓣网的推荐引擎面对高成长性的挑战，通过降低存储空间，近似算法与分布式计算的设计，来实现对基于用户的协同过滤推荐系统的线性扩展。
最后，针对当前推荐系统面临的问题，包括倾向于给出平庸的推荐，有信息无结构，以及缺乏对用户的持续关注等黑盒推荐问题。豆瓣提出了分为 Prediction，Forecasting，Recommendation 三个阶段的下一代推荐系统，并探讨了一种下一代推荐引擎的构想——基于用户行为模型的、有记忆的、可进化的系统。
4.4.Hulu的个性化推荐
Hulu是一家美国的视频网站，它是由美国国家广播环球公司（NBC Universal）和福克斯广播公司（Fox）在2007年3月共同投资建立的。在美国，Hulu已是最受欢迎的视频网站之一。它拥有超过250个渠道合作伙伴，超过600个顶级广告客户，3千万的用户，3亿的视频，以及11亿的视频广告。广告是衡量视频网站成功与否的一个重要标准。事实证明，Hulu的广告效果非常好，若以每千人为单位对广告计费，Hulu的所得比电视台在黄金时段所得还高。那么，是什么让Hulu取得了这样的成功呢？
通过对视频和用户特点的分析，Hulu根据用户的个人信息，行为模型和反馈，设计出一个混合的个性化推荐系统。它包含了基于物品的协同过滤机制，基于内容的推荐，基于人口统计的推荐，从用户行为中提炼出来的主题模型，以及根据用户反馈信息对推荐系统的优化，等等。此个性化推荐系统也进而成为了一个产品，用于给用户推荐视频。这个产品通过问答的形式，与用户进行交互，获取用户的个人喜欢，进一步提高推荐的个性化。
Hulu把这种个性化推荐视频的思想放到了广告投放中，设计出了一套个性化广告推荐系统。那么，这种广告系统是如何实现个性化的呢？
Hulu的用户对广告拥有一定控制权，在某些视频中你可以根据自己的喜好选择相应的广告，或者选择在开头看一段电影预告片来抵消广告。
Hulu收集用户对广告的反馈意见（评分），例如，某个广告是否对收看用户有用？ 根据人口统计的信息，来投放广告。例如，分析Hulu用户的年龄，性别特征来同方不同的视频及广告。
根据用户的行为模式，进一步增加广告投放的准确性。
第三篇：360全景展示简介
360度全景展示简介
一、360全景展示简介
360全景就是视角超过人的正常视角的图像，而我们这里说的全景特指水平视角360度，垂直视角180度的图像。全景实际上只是一种对周围景象以某种几何关系进行映射生成的平面图片，只有通过全景播放器的矫正处理才能成为三维全景。360全景顾名思义就是给人以三维立体感觉的实景360度全方位图像，此图像最大的三个特点是：
1、全：全方位，全面的展示了360度球型范围内的所有景致；可在例子中用鼠标左键按住拖动，观看场景的各个方向；
2、景：实景，真实的场景，三维全景大多是在照片基础之上拼合得到的图像，最大限度的保留了场景的真实性；
3、360：360度环视的效果，虽然照片都是平面的，但是通过软件处理之后得到的360全景，却能给人以三维立体的空间感觉，使观者犹如身在其中。360全景技术的优势
全景技术是目前全球范围内迅速发展并逐步流行的一种视觉新技术。它给人们带来全新的真实现场感和交互式的感受。它可广泛应用于三维电子商务，如在线的房地产楼盘展示、虚拟旅游、虚拟教育等领域。我们采用鱼眼镜头拍摄的照片视角可达到180度, 在1米的距离以上，景深可达无限远；可使被摄体在画面中显示出非常鲜明的纵深效果，再利用软件专业合成处理，发布为3D全景文件，所显示场景即为真实场景,与传统的虚拟现实相比更具真实感, 更为经济;控制面板工具条,使普通用户操作更为简便。三维全景图像源自对真实场景的摄影捕捉，真实感强烈。我们运用专业的拍摄器材和专业的摄影技术，可以把现场给人的整体印象和每个环境的细节全面的记录下来。所以，制作出的三维全景才会非常的生动和真实。
信息传播面广
1）大众化电脑均能作为播放终端。
2）任何普通的家用电脑均可流畅浏览观看,无需专门工作站。
3）对于网络推广没有任何技术阻碍。
浏览更透彻的高清晰度全屏模式
如何达到最佳的展示效果，我们认为临场感（置身现场的感觉）直接影响到观众的兴趣、注意力、参与度、接受信息程度，所以我们致力于打造亲临现场的临场效果。一般在网络上只能看到小尺寸的VR场景，我们不但解决了宽频尺寸的限制，更特别的是可以任意放大看到更多的细节，追求更好的重现临场的感受。现在经过不断的开发改良，我们在保证播放速度和窗口大小的条件下，比同行所提供的图片具有更高的清晰度和分辨率。窗口更可最大达到1024×768（全屏）。在360 度的全屏模式下观看，就像把真实的场景搬到了客户面前。
二、360全景应用领域
●房产三维全景虚拟展示应用房产开发销售公司可以利用虚拟全景浏览技术，展示楼盘的外观，房屋的结构，布局，室内设计，置于网络终端，购房者在家中通过网络即可仔细查看房屋的各个方面，提高潜在客户购买欲望。可以将虚拟全景制作成多媒体光盘赠送给看房者，带回家与更多的人分享，增加客户忠诚度，做更精准有效的传播；可以制作成触摸屏或者大屏幕现场演示，给购房者提供方便，节省交易时间和成本；在房交会现场用全景展示更能技高一筹先声夺人；如果是多期开发，将已有的成品小区做成全景漫游，对于开发者而言是对已有产品一种数字化整理归档，对于消费者而言，可以增加信任感，促进后期购买欲望。——高性价比的房产广告宣传新选择的！
●旅游景点虚拟导览展示高清晰度全景三维展示景区的优美环境，给观众一个身临其景的体验，结合景区游览图导览，可以让观众自由穿梭于各景点之间，是旅游景区、旅游产品宣传推广的最佳创新手法。虚拟导览展示可以用来制作风景区的介绍光盘，名片光盘，旅游纪念品等。
●酒店网上三维全景虚拟展示应用在互联网订房已经普及的时代，在网站上用全景展示酒店宾馆的各种餐饮和住宿设施，是吸引顾客的好办法。利用网络，远程虚拟浏览宾馆的外型，大厅，客房，会议厅等各项服务场所，展现宾馆舒适的环境，给客户以实在感受，促进客户预定客房。在酒店大堂提供客房的全景展示，再也不用麻烦客户在各个房间会场穿梭，就能观看各房间的真实场景，更方便客户确认和挑选客房。进而提高效率，用户体验更胜一筹。
●公司企业展示宣传公司企业招商引资、业务洽谈、人才交流等时机场合采用全景展示能宣传企业公司的环境和规模；洽谈对象、客户不是简单地通
过零碎照片或效果图做出决定，也不需要逐行逐字地研究企业公司的宣传文字，新奇的全景展示更加彰显公司的实力和魅力。
●商业展示空间展示宣传有了三维全景虚拟展示，商城、家居建材、公司产品陈列厅，专卖店，旗舰店等相关空间的展示就不再有时间，地点的限制，三维全景虚拟使得参观变得更加方便，快捷，点击鼠标就像来到现场一样，大大节省成本，提高效率。
●娱乐休闲空间三维全景虚拟展示应用美容会所、健身会所、咖啡、酒吧、餐饮等环境的展示，借助全新的虚拟展示推广手法，把环境优势清晰的传达给顾客，营造超越竞争对手的有利条件。
●汽车三维全景虚拟展示应用汽车内景的高质量全景展示，展现汽车内饰，和局部细节。汽车外部的全景展示，可以从每个角度观看汽车外观，可以在网上构建不落幕的车展，可以制作多媒体光盘发放给客户，让更多的人实现轻松看车、买车。使汽车销售更轻松有效。
●博物馆、展览馆、剧院、特色场馆三维全景虚拟展示应用 在博物馆方面，传统文字图片往往难以直观的体现馆内众多的信息，文物信息管理并不轻松。通过三维实景技术，可将博物馆内的文物信息全面直观的记录下来，方便文物信息管理。以博物馆建筑或者剧院的平面或三维地图导航，结合全景的导览应用，观众可以自由穿梭于每个场馆之中，只需轻轻点击鼠标即可全方位参观浏览，配以音乐和解说，更加身临其境。结合物体三维全景展示技术，游客不仅可以在科博馆内浏览参观，更可以单独选择其感兴趣的文物（通过实景拍摄，不方便拍摄的可以利用三维模型软件来建模），任意旋转并放大缩小的来近距离欣赏。虚拟导览系统做成光盘，可以作为光盘礼品或宣传品赠送。同时对博物馆加以数字化的保存，也极富收藏价值
●虚拟校园三维全景虚拟展示应用在学校的宣传介绍中，有了三维全景虚拟校园展示，可以实现随时随地的参观优美的校园环境，展示学校的实力，吸引更多得生源。可以发布到网络，也可以做成学校介绍光盘发送。学校领导电子名片光盘：将校园的三维实景照片制作成领导的电子名片光盘，学校领导在与贵宾交换名片时就可以把学校的多媒体宣传介绍交给对方，也提升形象，一举多得。学校多媒体教学应用：三维实景漫游系统，亦可助力于学校教学应用。例
如可对学校各实验室制作全景展示，发布到网络。学生通过网络浏览即可提前直观的了解实验室的位置、布局、实验要求安排等信息。
●政府开发区环境展示 政府开发区投资环境，做成虚拟导览展示，可发布到网上或做成光盘。把开发区装到口袋带到世界各地变成了现实。向客商介绍变得一目了然，说服力强，可信度高。发布到网上，变成24小时不间断的在线展示窗口。
第四篇：四川大学全景解读及报考指南
成都有古意。琴台路上，文君、相如一曲流传千古的《凤求凰》久久回荡；草堂门前，“花径不曾缘客扫”的妙词佳句被随口吟唱；武侯祠内，君义臣忠的前后《出师表》铭刻在墙„„求学于此，永远不必发愁找不到思想的火花，古意今趣俯仰可拾。
蜀地山水，不同于北方崇山峻岭之气势磅礴，也不类南方之一味秀气婀娜。其山清且峻，其水俊且清，最妙之处正在于恰到好处。这样的山水环抱之中，成都的大学不能不沾染上一些灵气。每个校园里都有水，很多校园里抬头可见山，乐山乐水者，皆有所得。
成都高校不但数量多，而且都很“牛气”。川大、电子科技、西南交大和西南财大既是“211”又是“985”，川师大以培养师范生见长，西南民大、药科大学也堪称西南翘楚。
天府之国，有着温润潮湿的空气，常年食辣的积习，滋养出外柔内刚的巴蜀性情。求学锦官城，阅读的不仅是散发着墨韵的香书，还有不经意从指间流过的悠悠时光。
海纳百川 有容乃大
在西南地区，提起四川大学，名头恐怕并不亚于清华、北大，在校生提起学校，语气中有着掩不住的骄傲：“只要一说是川大的，连活动拉赞助都更容易些”。这所学校有理由让人为之自豪：既是“211”又是“985”高校；下设本科专业136个，涉及文、理、工、医等11个学科门类；坐拥4所卫生部直属附属医院，其中华西医院是当地老百姓看病首选„„
校博物馆展品比省馆的还珍贵
川大江安校区内，三条清澈水流呈川字型潺潺流过，它们都有一个如画的名字：德水、巴渠和沫溪。每一个名字代表了一位川大引以为豪的校友，朱德、巴金和郭沫若。江安河水横穿校区，水畔的历史文化长廊，一块块石碑上镌刻的不仅是川大的百年历史，更是逝去的漫漫时光。
川大由原四川大学、原成都科技大学、原华西医科大学三所全国重点大学经两次合并而成，现有望江、华西和江安三个校区。除了历史文化长廊，最让川大人津津乐道的还有“四馆”，即校史馆、人文博物馆、自然博物馆和美术馆。走进校史馆，迎上来的“导游”是一名在校生。她说，她是利用课余时间在这里勤工俭学。学校招生就业处副处长金永东介绍，由于学校参与了三星堆等古迹的开掘，川大博物馆里的有些展品，比省博物馆的还要珍贵。
拥有悠久辉煌的历史是一种自豪，将其传承下去则是一种责任。学校面向全校本科生开设了“中华文化”、“西方文化”、“四川大学校史文化”、“国际文化与教育归国学者看海外”、“四川大学人文大讲堂”等人文特色课程，每年开设250多门人文素质教育选修课，开展各类学术讲座和课外系统活动近千场。
三类课程体系培养个性化学生
学生入读川大，会经历两个培养阶段，即前两年到两年半完成“通识教育和专业基础教育”，学生要学习数学、英语等通识基础课和一些专业基础课。从大三起，学生可在教师指导下根据自身兴趣、爱好，选择不同课程体系进行学习。
金永东说，“个性化教育”阶段设立了三大类课程体系，学生可因人而异地选择学习。如果今后想从事学术研究，成为学者和科学家，可进入学术研究型课程体系，接受系统的专业理论教育。学生能提前进入课题组、实验室和工作团队，尽早参加科研训练，锻炼科研能力；如果想创业，学生可选择创新探索型课程体系，接受创新思维、创业能力培训。学校还鼓励他们大胆地去做一些创业尝试。学校设立的学生创新创业项目也为他们提供了实训条件；如果学生毕业后想先就业，那么，实践应用型课程体系最适合他们。进入这一课程体系，学校会重点训练学生的实践能力，让他们提前进入实习单位参加社会实践。
吴玉章学院让“经济舱”变“头等舱”
每名川大学生都以能进入吴玉章学院为荣，因为这意味着，他们的学习条件和发展空间都会从“经济舱”待遇转为“头等舱”。现任吴玉章学院院长谢和平院士也是川大校长，学院受重视程度由此可见一斑。
这所以老校长吴玉章命名的学院，授课不拘泥于科系限制，大部分课程采用双语教学，学生从大一就开始接受研究能力训练，参与研究课题。每位学生配备一名高水平教师担任导师。在导师指导下，学生可根据兴趣特长和意愿，自主确认主修专业，单独制订个人修读计划，修读专业模块课程、专业拓展模块课程和实践教育模块课程。学校还会对这些学生给予资金支持。
目前，该学院已毕业641名学生中，近600人出国深造、保送或考上国内研究生。近百名学生获哈佛大学、康奈尔大学、加州大学伯克利分校、牛津大学等国外著名高校硕博连读研究生奖学金。每年学院推免生比例达50%以上。
条件好，就读要求肯定也会相应严格。金永东说，该学院学生是在当年入学的新生中“优中选优”，比例约占新生总数的1.5%，即每年200人左右。选拔时，学生高考成绩要高出重点线一定分数才有备选资格。符合条件报名学生要参加学校组织的测试，内容包括语数外三科。学校将按成绩由高到低录取。吴玉章学院学生仍在原专业就读，但其所受到的关注度将大大提高。进入吴玉章学院，也并非稳坐钓鱼台，学院每年都要末位淘汰，其余学生也有机会通过努力进入。
“双特生”复试答辩时间超过博士生
从2008年起，川大尝试招收“双特生”，这在当时的高校招生中，无疑是一个创举，那些有天赋、有潜质，在某一专业领域具有特殊兴趣、特殊专长的学生终于有了一个展示自己的舞台。
每年11月，学校将面向社会公布“双特生”招生信息，考生可自荐或由学校、专家推荐。考生可将获奖材料、专著等寄送到学校，并由中学校长签字盖章。学校将组织相关专家组老师审核资料，通过审查的考生还要参加专业答辩会。1个考生由5个专家面试，答辩时间40分钟以上，比博士生答辩时间还长。
四川大学全景解读及报考指南
今年，学校收到报考“双特生”材料500份，但进入面试的只有13人。金永东说，学校招收双特生本着“宁缺毋滥”的原则，像学校录取过对古钱币、日本文化有很深研究的学生，其造诣之深连很多专家都自叹不如。
“专业冷热不是绝对的”
“近年来，学校在北京地区招生质量一直稳步提升。”金永东说。“去年，学校在北京地区招生文科平均录取分数高出重点线近50分，理科平均录取分数高出重点线近80分。”
据了解，去年，川大在北京投放的招生计划为230人，今年招生计划将与去年持平。同时，学校每年都会在北京地区招收30至50名二志愿高分考生。
金永东建议，考生填报志愿时，首先要了解所报考院校的相关信息，其次，考生应对自己所在中学每年所考取大学的情况做一下排名。最后，考生在选择专业时，要依照自身兴趣，结合社会的大背景，尽早进行未来的生涯规划，避免选专业盲目跟风。金永东说：“事实上，没有一个专业的冷热是绝对的，谁也无法预测将来的走势如何。像我学的放射化学专业，在当年很冷门，可如今随着核电的发展，却炙手可热起来。”
学生心里话——
姚佳，文新学院对外汉语专业2008级学生：穿梭于川大校园的人力三轮车是一道独特的风景线。车队名叫“小红帽”，服务范围仅限于校园内。由于川大太大，为方便学生，学校开设了小红帽三轮车队，随叫随停，我们去哪里都喜欢叫上一辆，很方便。
刘宇，工商管理学院2008级学生：当初我背着父亲偷偷报考了川大，直到成绩发布后，我才告诉他，他有些生气。开学那天，父亲送我到校报到，了解了川大的他也爱上了这座美丽的大学。毕业后，我打算留在成都发展。这里就是我的第二故乡。
第五篇：全景地图实习报告解读
全景地图实习报告
一、实习内容
主要制作了中国石油大学（华东）11号宿舍楼306、307宿舍全景，宿舍楼道全景，校园街道全景，工科楼C座大厅全景，地理信息系统实验室全景。
二、实习工具
索尼卡片相机、相机三脚架、画图笔、画图纸等
三、实习软件
PMK，PTGui Pro，PS，Pano2vr，NotePad++，Firebug。
四、实习步骤
1.制定方案，画出拍摄区域草图，计算拍摄角度，模拟拍摄效果。2.拍摄步骤：
设备装配：为了减少振动，在选择好的脚架的同时拧紧所有连接部位，脚架放置平稳，调节全景头水平
测光：由于场景信息大由于影像是一个圆形，所以测光的时候要注意，如果以整个画面的分区平衡测光的测光
模式将不适合，因为黑色的地方会导致测光不准，建议用偏重中央测光或者是中央重点测光比较好。
白平衡：全景摄影的特点是包含信息多，所以当光源不很明确的时候最好手动白平衡下多拍摄几组，有自动包围白平衡曝光的相机那是最好不过了。使用自动白平衡一般是不保险的。光圈和快门：室外良好光照环境下，场景的清晰度和鲜艳显然是最重要的，一般用8到11的光圈，鱼眼镜头一般能达到非常大的景深，所以没必要为了追求景深而才用小光圈（大光圈值），由于镜片结构多层，边缘部分接近全反射角，所以小光圈往往会导致进光不足，如果为了追求快门速度用大光圈，可能会产生没必要的光韵。室内情况下为了减少振动和数码噪声，光圈可以适当调大，来提高快门速度
ISO: 在数码摄影中，ISO(当量感光度）越大，数码噪声越多，全景图片一般要满足放大观看的需要，选择ISO的时候要更多的考虑以下数码噪声的问题。
曝光锁定：全景是通过把对场景的几张图片进行拼合生成的，所以每张图片的明暗要一直，所以在对场景的平均照度区域测光并设定参数以后进行曝光锁定是非常必要的。
其他：几张图片之间的相对位置对全景图像的后期拼合也是相当关键的，所以拍摄的过程中要保持相机位置不变；
为减少振动，用自动拍摄或者快门线也是必须的； 为提高拼合质量，作为拼缝的地方尽量避免运动物体。3.图像拼接：在此主要介绍 PTGui pro的步骤（1）打开PTGui软件，进入软件界面。
（2）点击加载图像，在出现的对话框里面选择要拼图的原片。（3）对图像进行旋转，使得竖片竖过来，然后调整图像顺序。（4）对图像顺序调整，反序正序，或者增减图像。
（5）在图像顺序调整完成后，对图像进行对齐。点击对齐图像，对齐完成后出现全景图编辑器窗口。在这个窗口可以对全景图像进行水平，弧度，中轴等等调节，调节完成后就可以创建全景图。
（6）进行全景图输出的各项设置。主要是图像大小和输出文件名、格式等，设置完成点击创建全景图。
4．用PhotoShop进行全景图片后期处理。5.用Pano2VR生成Flash全景图： 创建一个新工程
在输入框中点“选择输入”，选择要拼接的图片
输入类型里有矩形球面投影、立方体面片、柱型、图像条、十字型、T型、QuickTime VR等7种类型，这里我们直接选择自动，由软件自动判断。点击全景图后的打开按钮，导入要输出的全景图。
设置好要输出的文件位置路径，点击确定.这时图片已经自动导入了。
点击下面的参数修改，可以设置默认播放的初始角度、添加相应的版权信息等。
数据都修改完毕后，就可以输出了。在这里我们选择FLASH格式，点击右边添加按钮，可对输出文件做相应的修改
先看设定选项下的参数，可以根据实际需要修改图像质量，显示大小和播放帧数，如无特别需要，直接默认设置，如需全景制动旋转，可以点击右边的开启自动旋转功能，我一般选择加载完毕后开始旋转。
对于播放器的控制按钮，我们可以自己编辑修改或外调他人做好的文件，对于有一定动手能力的朋友，建议自己制作个性化的皮肤。最后选择文件输出格式和输出文件名与路径。4.用pano2vr 做交互热点：
1.打开Pano2VR软件，导入一张全景图，选择交互热点
2.打开交互热点可以看到有3个选项卡，其中前两个是添加交互热点和热区的，第三个选项卡是管理添加的热点的。这里着重讲第一个选项卡，因为第一个选项卡点形和多边形交互热区应该说是使用最多的，效果也相当好。
3.交互热区选项卡，在这里也可以加热区，但总的来说这里的热区不好控制，无法和皮肤文件进行交流，虽然也可以控制全景场景的转换但效果不好，所以很少使用。4.这里主要是对已经添加的热点或热区进行管理，可以显示已经添加了哪些热点和热区。也可以在这里点下面的加号添加热点，但不能指定位置，所以基本不使用这里的添加功能。
5.回到“点形和多边形交互热区”选项卡，在这个选项卡中，我们可以看到主要有两种热点类型一是交互热点，二是多边形交互热区，在这个面板中重要的一是热点和热区的开关，二是皮肤ID,为什么说皮肤ID是重点，这是因为如果我们不想使用软件提供的默认皮肤或者说样式，就要通过皮肤ID来与后台皮肤文件联系以用别的样式来替换默认的那个红色目标按钮。添加交互热点的方式很简单，选择交互热点，然后在全景图合适位置双击即可加入交互热点。
6.多边形交互热区，这个功能也是相当不错的，特别是在制作图片展或是全景分辨率不高的情况下，我们可以为墙上的一张图添加多边形热区，然后通过皮肤ID来控制从外部调入单独的清晰图来显示，还可以设置当鼠标移动到热区上时播放一段音乐，在使用上很灵活。建立多边形交互热区的方法是选择多边形交互热区工具，然后在需要的地方双击开始绘制需要的图形完成后点右键结束。
7.前面设置了交互热点的皮肤ID,下在后台的皮肤文件中如何和它进行交流。点击参数按钮打开参数设定面板。
8.在参数面板右下角皮肤选项的下拉菜单中选择一种皮肤，然后选择编辑按钮打开皮肤文件
9.按图所示，选择新建热点皮肤按钮，在场景上设置一个代替皮肤按钮，然后双击，可以打开“交互热点模板属性”对话框，在这个对话框的最下有一项“交互热点替身ID”，在这里添入前面我们加的交互热点的皮肤ID名就可以建立前台的热点与后台交互热点间的联系，然后 我们可以diy一个箭头，放在这个热点下就可以用它把前面的那个红色热点代替掉。
10.设置完样式，还要设置交互热点的动作，此时选择“动作/修改器”，可以打开以下面板，通过对动作的来源（事件）和动作进行设置让全景完成相应的操作。
5.用NotePad++，Firebug做成简易网页，讲全景地图用网页的形式发布。
五、实习总结
通过这次实习，我们培养了更好的团队协作精神，学习了对全景地图制作的步骤及对困难的解决方法。学会了对软件PTM，PTGUI pro，PS，pano2vr一些常用功能的操作。掌握了拍摄全景图选点的技巧和方法。拍摄步骤和方法。
我们做出了360全景地图由于硬件和软件处理的一些原因，没能做出720，并且舍弃了一部分热点。对于制作中遇到的问题，我们不回避，想办法解决，大家都很认真的对待了这次制作。
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
点击咨询 