2016年的尾巴——总结与感想

       2016年12月31号,2016年的最后一天。回首这一年24岁大学毕业,依依不舍地告别了美好的大学生活和实习生活,步入了正式工作的轨道。是很感谢老师同学们一路上的帮助照顾和陪伴。
       回想2015年最后一天许下的愿望是实习顺利,找到一份好工作正式上班。实习了半年多的时间,对安卓从入门到了解到初级中级,一路上生命不息挖坑不止。很庆幸遇到了不断分享技术的老大和同事,教会了我许多未知的功能和技巧,收获颇丰富。后来出了实习单位也找到了一份不错的工作,虽说是创业型小公司,但是氛围也是蒸蒸日上的,大家每天都在不断努力。老板同事都对我很照顾,经过了半年多时间也成了公司安卓项目应用开发的不可或缺的一份子了。
       查阅CSDN的文章满打满算已经有两年了,看了很多技术大牛的文章之后收获成果丰硕,个人却是从今年6月份开始在csdn上面写学习笔记相关的文章。虽然大多数都是比较基础的入门学习文章,但是对敲过代码做过功能就会健忘的自己来说也是很好的记录笔记方式。2017年我会继续坚持,继续努力写更多更有用的技术文章。
       步入社会,也慢慢的懂得了现实的残酷,也体验了生活的温暖。路漫漫其修远兮,若是美好,叫做精彩,若是糟糕,叫做经历。2016无论如何,多了一份自信,少了一点自卑,多了一份坚强少了一点懦弱,多了一份幸运少了一点霉衰,愿望实现了一部分,也还有一些没来得及完成的遗憾。
        2017年,25岁,许下愿望:2017只愿岁月静好,安稳如初~
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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