第六次课后作业

作业1:总结,到目前为止,C语言基础知识已介绍完,下一阶段重点是指针。请从以下几个方面小结:
1.  程序设计重在实践,多编程才会对其理解更深,我是如何学习C语言的?
 ————听课、看书、写代码、不懂就找度娘

2.刚开始不能够很快掌握,但是我会在打代码的同时了解这些代码所表达的含义,这样对于我自己打代码而不是按照书上的列子一步步来更有帮助,同时我也会在草稿子上练习练习书写,毕竟适当的记忆还是需要的


3.  程序设计涉及到方方面面知识,就像英语单词一样,一开始不可能了解每个C元素的全部用法,我是如何循序渐进掌握C元素的主要用法的?
   从基础到深入一步步理解


4.  编程能力的培养是一个过程,我现在能否跟上学习进度,为什么?
————感觉班上好多大神,各种牛逼。不过一般老师讲的可以理解。

 

5.  我在学习过程中遇到的问题或者困惑?
挺多的,忘了,编写的时候才会发现自己不懂


任务2:

我的读书,通常是读了很多输,但是每一本都不是从头看到尾,而且每本都是只看了前面一点点。其实对于这个我也很苦恼,到那时没办法,我已经习惯了。o(︶︿︶)o 唉望能改掉这个坏习惯啊!!!!想到大神们是一本书度好多变,而我一本书都读不满一遍,想想都伤心啊 !!!我要努力像大神学习,坚持读完一本完整的书!!!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 1
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