Davids阅读笔记:《如何阅读一本书》

《如何阅读一本书》

关注可以查看更多粉丝专享blog~

阅读的层次

导言

  • 阅读的目的

    • 为获取资讯
    • 为增进理解力
  • 阅读与学习

    • 指导型学习(辅助型自我发现学习)

      • 阅读、倾听老师给予的指导
    • 自我发现型学习(非辅助型自我发现学习)

      • 阅读自我或世界的学习

阅读的层次

  • 基础阅读

    • 阅读准备
    • 引导认字
    • 字汇建立
    • 增加所学
  • 检视阅读

    • 有系统的略读、粗读

      • 研究目录页
      • 检阅索引
      • 阅读出版者介绍
      • 挑选数个与主题相关的篇章阅读
      • 随意抽取书中几段或几页阅读
    • 粗浅地阅读

    • 阅读的速度

      • 针对不同读物采取不同速度
  • 分析阅读

    • 找出一本书在谈些什么的规则(架构性)
    • 诠释一本书的内容规则(诠释性)
    • 评论一本书的规则(评论性)
  • 主题阅读

    • 找到相关章节
    • 与不同作者达成共识
    • 厘清问题
    • 界定议题
    • 分析讨论

自我要求的读者

  • 一本书,一定要提出4个主要问题

    • 这本书讲的什么?

      • 主题
    • 作者细部说了什么?怎么说的

      • 找出作者的观点、声明和论点
    • 作者说的是否有理,全部有理还是部分有理?

      • 真实性
    • 作者讲的和我有什么关系

      • 关联性
  • 做笔记的方法

    • 将作者的主要观点依序记下来
    • 列出大纲和前后篇章的秩序
  • 笔记的类型

    • 结构笔记
    • 概念笔记
    • 辩证笔记

分析阅读

三个阶段

  • 第一阶段

    • 弄清书的分类

      • 虚构类书籍

        • 小说(故事)
        • 戏剧
        • 史诗
        • 抒情诗
      • 论说类书籍

        • 理论性
        • 实用性
    • 一句话或一段话叙述整本书的内容

    • 列出书的整体框架

    • 找出作者要问的问题

  • 第二阶段

    • 找出重要单字,与作者达成共识
    • 从最重要的句子中抓出作者的重要主旨
    • 用相关文句架构一本书的基本论述
    • 找出作者的解答
  • 第三阶段

    • 在完全了解一本书后再进行评价
    • 理性评价书本内容
    • 找到理论基础再评价书本

批评观点的特别标准

  • 证明作者知识不足
  • 证明作者知识错误
  • 证明作者不合逻辑
  • 证明作者的分析理由不完整

辅助阅读

  • 相关经验
  • 其他的书
  • 导论与摘要
  • 工具书(字典、百科全书)

主题阅读

主题阅读

  • 准备阶段

    • 设计一份试验性书目

      • 参考图书馆目录、专家建议、书中的书目索引
    • 检视主题阅读书单上所有的书

      • 帮助清晰想要研究主题的概念
      • 简化书单到一个合理程度
  • 主题阅读阶段(五个步骤)

    • 找到相关章节

    • 与不同作者达成共识

      • 因为分析阅读涉及到不同的书,不同作者不可能都使用同一字眼或相同的共识,读者本人需要将不同作者们对于同一共识的关键字达成共识
    • 厘清问题

      • 用自己的语言建立起不偏不倚的主旨,找出相关问题和解决方案
    • 界定议题

      • 我们要解决的问题可能存在多个议题,这个时候就需要确定议题的范围
    • 分析讨论

  • 其他

    • 检视阅读是分析阅读的主要工具或手段

    • 客观的必要性

      • 手段:不断回头参阅诸多作者的原文

阅读与心智成长

  • 如果阅读目的是提高阅读技巧,需要有选择性地读书
  • 主动阅读可以帮助心智的活力与成长

阅读不同读物的方法

论说类

  • 实用型

    • 两类

      • 说明规则
      • 阐述形成规则的原理
    • 2个问题

      • 作者的目的是什么?
      • 他建议用什么方法达到这个目的
  • 理论型

    • 历史书

      • 1、对你感兴趣的事件或时期,尽可能阅读一种以上的历史书
      • 2、阅读历史时,不知要关心事件本身,还要读懂在任何时空中,尤其是现在,人们为什么如此行动的原因
    • 科学和数学

      • 归纳法
      • 演绎法
    • 哲学书

      • 发现问题
      • 找到作者想回答的问题
    • 社会科学

      • 内容

        • 人类学、政治学、经济学、社会学
        • 关于法律、教育、公共政治
        • 商业、社会服务的作品
        • 大量的心理学作
      • 阅读难度

        • 容易点

          • 作品的内容取自于读者熟悉的经验
        • 困难点

          • 需要对作者观点投入看法
          • 熟悉的术语和观点的滥用导致较难和作者达到共识

虚构类(想象文学)

  • 一般规则

    • 想象文学是在阐述一个经验本身

    • 3个不要

      • 不要抗拒想象文学带给你的影响力
      • 在想象文学中,不要去找共识、主旨或论述
      • 不要用适用于传递知识的,与真理一致的标准来批判小说
  • 小说/故事、戏剧、诗

    • 3个问题

      • 主题:说出一个故事、戏剧、诗的情节大意,包含其中的动作和变化
      • 共识、论述:辨识其中不同的人物角色,用自己的话叙述他们身上的关键事件
      • 真实性:这像是一个故事吗?能满足自己的心灵和理智吗
  • 0
    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 遍历其余的框,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