“有两把刷子?”那就来呀 --欧科云链OKLink鲲鹏凌云选拨赛第三期火热启动

11月5日,欧科云链OKLink启动的“鲲鹏计划”之凌云区块链产业青年人才选拨赛第二期打卡活动完美收官。

在为期两个月的打卡活动中,参赛者们受益匪浅。

1.jpg

郑州大学经济学专业闫晗:“每天学习一点有关区块链的知识,由浅至深。令我印象深刻的是关于区块链+产业的文章的分享,这些启发我的深思,有益于激发我们的创造性。从0到1,从1到30,再到未来,这实际上是复利效应的作用,让我们在日复一日的学习中,逐步成长,并养成持之以恒的好习惯。”

2.jpg

 

吉林大学珠海学院金融工程专业肖翔煜:“这是我第一次接触区块链领域。每天花短短十分钟的时间进行打卡学习,不知不觉中奠定了一定区块链的知识基础。有的时候可能因为学业繁重或者学校中其他的事情想过偷懒中断,但群里活跃、积极的气氛让我在每次想要放弃的时候,都对自己说再坚持一下,这一坚持就坚持了28天。我认为积极向上的学习氛围对于激励自我至关重要,有这些志同道合的小伙伴陪伴着走过28天是件十分幸福的事情。通过这28天的打卡学习,不仅让我对区块链有了深入的理解,而且还尝试了人生第一笔区块链交易!”

3.jpg

 

柯祺:“一开始我们学的是区块链的技术原理,我觉得这是整个学习中最难的部分。为了帮助我们理解这部分内容,项目组特意选取了通俗易懂的案例和大量生动有趣的配图,让我们少走了不少弯路,并对区块链有了架构式的理解”

“到了后期,我们主要学习区块链技术在不同领域的运用,这部分内容有效地开拓了我的视野。以前我以为区块链单单运用于比特币和金融领域。通过学习,我发现原来区块链技术在诸如版权、教育、慈善等领域都有广泛的运用。虽然还有很多的技术问题需要解决,但这项技术,正在告诉人们它的潜力有多大。”

即日起,“鲲鹏凌云”第三期打卡活动火热启动如果你也对区块链感兴趣,不妨每天抽出5分钟加入打卡大军,动森限定款Switch等你来哦~

一、参赛方式

1. 选定14天或28天赛区;

2. OKLink官网欧科学院学习区打卡;

3. 征文投稿“区块链产业应用展望与探讨”。

二、参赛步骤

1. 联系微信小助手;              

2. 按照导引填写报名信息。

三、时间安排

9.png

 

四、打卡细则

1. 打卡方式:微博超话#欧科云链鲲鹏计划#学习打卡,连续每天24点前打卡分享。

2. 打卡格式:#欧科云链鲲鹏计划#第X天,记录学习感悟,配图学习内容。

3. 打卡奖励:荣誉证书,并有机会获得红包奖励。

五、征文标准及须知

1. 参赛作品遵守国家法律法规,无色情、暴力、血腥等不良内容;

2. 参赛作品为原创且未公开发表过,禁止一切抄袭行为;

3. 内容涉及版权纠纷或肖像侵权行为由参赛者负责;

4. 参赛作品的著作权和版权归参赛者所有;

5. 大赛主办方享有作品使用权,可进行作品展播、片段展示、媒体传播等,不再另付费用;

6. 符合本期活动主题,具有可读性、创新性、思想性和科学性;

7. 图文不少于500字;图片JPG格式,宽度1080px,高度不限,文章可发送到微博平台,将以链接形式进行统计;

8. 连续打卡七天后自动进入投稿阶段,投稿有机会获得“OKLink区块链青年人才征文活动纪念证书”;拥有证书即可获得欧科云链校招面试直通车;

9. 优秀作品将集结成专题在OKLink官网欧科学院,行业权威媒体专栏进行展示;

10. 复赛征文评奖会结合阅读量、互动量(包括点赞、评论)等数据进行考量;

11. 最终解释权归大赛组委会所有。

10.png

 

 

 

 

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