五月单向历-

明媚宁静的五月,日复一日,和煦的阳光,轻柔的西风和南风,咖啡很热,我把脸上突然泛起的红晕,看作是它的缘故。
5.1出于天生的勤勉,每分钟,你获得七十份功劳。——《我曾这样寂寞生活》
5.2一个人必须得准备好为自己的信念忍受痛苦,还要为自己的懒惰和不诚实以及无知忍受痛苦。——《斯通纳》
5.3生命是什么呢,生命是时时刻刻不知如何是好。——《哥伦比亚的倒影》
5.4不是所有的寻找都有答案,但我们将在寻找中慢慢长大,这才是寻找的意义。——《尖叫的海棠》
5.5如果在这个不完美的世界一切都是不完美的,爱是不完美中最为完美的。——《第七封印》
5.6夏天终归是会来的。但它只向着忍耐它的人们走来。——《给青年诗人的信》
5.7你可以在患抑郁症的同时快乐着,就像你可以是一个清醒的酗酒者。——《活下去的理由》
5.8为了迅速治愈伤痛,我们从自己身上剥夺了太多东西,以致不到三十岁就失去了感知爱的能力。——《请以你的名字呼唤我》
5.9我们已经见过面,甚至坐在一起看过电影,银幕的光亮在你脸上照出,我偷不走的惊异。——《结晶的友谊》
5.10在这个世界上,所有真性情的人,想法总是与众不同。——《边城》
5.11熬夜不是出于苦工,而是为了自由的滋味。——《我执》
5.12大多数人都不会想母亲好看还是不好看,母亲就是母亲。——《启蒙时代》
5.13我选择了那条不安全的道路,去追随我内心的热情。——《普林斯顿大学演讲》
5.14生活在一个焦虑时代的少数幸事之一是,我们不得不去认识自己。——《人的自我寻求》
5.15有时候,坚持了你最不想干的事情之后,便可得到你最想要的东西。——《天空之城》
5.16所有形式的献身,虔诚,效忠和自我抹杀,本质上都是对一种食物牢牢攀附——攀附着意见可以带给我们渺小人生意义和价值的东西。——《狂热分子》
5.17我们相爱,就是道德。——《卡罗尔》
5.18去闻一闻一朵水仙花的深处所散发出来的味道,其香味所隐藏的学问比我们所有书本全部加起来还多。——《忧郁的热带》
5.19所有生活的美学旨在抵抗一个字——忙。《品味四讲》
5.20为了记住你的笑容,我拼命按下心中的快门。——《美丽人生》
5.21我们所向往的生活模式,所选择相处的群体,所规划的未来,似乎都为了让自己成为更好的人。——《午后四点》
5.22庄严背后潜藏着淫荡,静谧的背后隐藏着疯狂,道德的背后栖息着的悖德,这才是人生至高的逸乐。——《失乐园》
5.23何当共剪西窗烛,却话巴山夜雨时。——《夜雨寄北》
5.24昔日我如此苍老,如今才是风华正茂。——《我逝去的岁月》
5.25离家的路有千万条,回家的路只有一条。——《亲爱的》
5.26你像我的灵魂,一直梦的蝴蝶,你如同忧郁这个词。——《我喜欢你是寂静的》
5.27想从某处逃离,只有一种方法:从自身出离,只有一种方法:爱上某人。——《母狮的忏悔》
5.28不是为了青史留名,不是为了自我标榜,更不是为了“虽千万人吾往矣“的悲壮的成就感,那些都无关宏旨,重要的只有当下创造的欲望。——《地下乡愁蓝调》
5.29正因为痛苦,正因为刻意经历这些痛苦,我们才能从这个过程中发现自己活着的感觉。——《当我跑步时我谈些什么》
5.30我们都是孤独的刺猬,只有频率相同的人,才能看见彼此内心深处不为人知的优雅。——《刺猬的优雅》
5.31 万头攒动火树银花之处不必找我,如欲相见,我在各种悲喜交集处,只是长途跋涉。——《我纷纷的情欲》

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值