20200416未完成的事

  1. lambda表达式
  2. js链式编程 回调函数 (这个应该差不多了 )  ES6 看完的话,在那个《不知道的js》过一遍应该就差不多了。
  3. AOP → 动态代理  → 静态代理  → 反射机制  (这个应该差不多了 ) AOP → 动态代理这个地方 还差点 (AOP有两种)
  4. jmery  → 简单的爬虫  → 上传/下载文件
  5. 线程 / 网络编程 → 简单的网络聊天工具 (互动时刻 线程是怎么处理的)
  6. 消息队列
  7. shell 控制的文件文本的拆分 / 组合 什么的
  8. mybatis in / or 的混拼 (这个应该不难)
  9. 消费者 / 生产者 模式
  10. 前端的 element  的那种实装方式
  11. css 伪类 ???
  12. VBA 的学习
  13. java 序列化
  14. 注解 ???
  15. jdk的api  怎么到的右下角 
  16. 正则表达式
  17. 开闭原则     这个我懂了 晚上可以连试一下 怎么用 MD 去画流程图 画一下 我理解的 而且无意间 发现了一个写设计模式的全集,而且比较好理解哦 !!! 我会在 画图的帖子里面 也追记进去 我参考的帖子的链接的   demo
  18. 闭合函数 js 的

 

以上 都透透的 会开心 一小点点吧  

再远的路,路也在脚下 是不是 

不要怕 一点一滴的去完成吧  

一切会好的

你是棒棒哒 !

 

另 无意间 发现了阮一峰 个人网站 ,感觉有时间的时候,还是需要常去踩踩~~~

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 6
    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 6
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