碎碎念(2018)

有时候会突然蹦出一些想法,在社交平台上发会反复看手机浪费时间。不如写在这吧。序号没有含义

1. 每个往前看的人都会觉得自己很垃圾,当一个人觉得自己很厉害的时候说明他向后看了。

2. 跟合适的人吃饭不喝酒就能聊得很嗨,跟不合适的人你喝趴都没用。

3. 你比多少人强是不重要的,人家选人的时候只会关心你前面还有多少人。

4. 如果勤于学习和思考你会发现所谓的大神也不过如此,如果不然整天膜大佬那他们就成为你永远无法比肩的大神。

5. 当我发现一些人在社交网络上炫耀我觉得很简单的技术的时候,我就想着,那些实力很强的学长,几时这样晒过?如果我沾沾自喜,大神看我,就如同我看这些人一般。两三天就能搞定的事情为什么要天天空间打卡?明明很简单的技术还非得炫耀一般?不想在社交网络这个大半不是同行的地方讨论技术,如果有什么需要探讨的,直接找那个人请教就好了。让一群外行人膜拜可不是什么好事。大一还是有点浮躁,毕竟刚见世面,参加个比赛就做了一道签到题甚至签到题都做不出来也要发一下。不过慢慢变得沉稳了,上次去一个跨国公司参观,小伙伴想要拍照,我说,以后厉害了,来这里就是日常,没必要拍照了。

5. 我发现我最好的状态是内心很平静地去努力,而不是每天都很热血地告诫自己一定要努力。最不缺的就是口中的梦想,缺的是实际行动。

6. 某个瞬间突然读懂了海鸣威的《老人与海》,就是那篇一个老人打了很多天才打到鱼但最后一无所获的课文。应该跟“但行好事,莫问前程”和“念念不忘,必有回响”差不多一个意思。慢慢地我就不在彷徨,尽管去做就是了。

7. 有时候影响你心情的不是某些事,而是你对那些事情的看法。

8. 我终于不是一个人了。

很庆幸跟两个大佬组了个队,还有个带我们飞的学长。

现在训练量还很轻,但是也比日常烧脑多了。

我觉得抗住竞赛的强度大概以后写代码都不怂了。

不想再说自己菜了,使劲练吧!

(2018.4.14)

9. 再加上最近看见别人和自己发生的事,感觉还是千万不要试图讨好某个人来获得爱情,如果那样子还是一个人自由自在一点吧。

10. 还记得上大学之前让offer收割机LK学长给我列了书单,现在看到第四本了,不过感觉我还是挺慢的。他泡在图书馆,我就在实验室刷书吧。看见北邮的学姐说他们图书馆的位置特别难抢,而我有了固定自习的地方,为什么不好好利用呢。

11. 我已经很久很久没有看新闻了,不过似乎我并没有错过什么。也许这样不闻天下事有点太out,但其实也不然。最近注意到有几个朋友喜欢转发新闻到群里然后然后评论一番。敢于发出自己的观点是好事,但我觉得这些时效性很强的东西太过浅显,经不起推敲,过了1天以后这条消息已经没有价值了,刷很多新闻,并不会使你的知识水平提高多少。

12. 情绪和观点是不一样的,自媒体时代能说话的渠道太多了,随便在一个网络平台就能发出自己的声音,这样是一种进步,但也有不好的地方。就是会产生太多没有水平的文字,又或者还有一些人为了吸人眼球而写的文字,都太浮躁了,只是会引起读者情绪的波动而已。不知道这篇文章偶尔的更新会不会有提示,我挺不喜欢我写的碎碎念会打扰到别人的。我希望我在这文章的末尾静静地写着,不需要提醒任何人来看。

13. 学习的时候要主动的去思考,去发现知识的奥妙,那样子才能持久地学习。学习只是我们认识世界的方式,就好像小时候发现这个世界有很多神奇的东西一样,那是很快乐的事情。只是错误的观念里,学习是一件很痛苦的事情,如果内心认定学习是一件很苦的事情的话,是坚持不了多长时间的。还要一直逼着自己,为了前途,为了xxx学习,那样子会很被动,痛苦不堪。

14. 很喜欢静下心来的自己。期末的时候压力大,学习强度高的时候放松是真正的放松,休息的时候听一首音乐也能很认真的听到换气声还有鼓点。就好像军训的时候,虽然很苦,但间歇10分钟也是觉得特别爽的,在一起唱歌就感觉更好了。所以并不会说专注的学习就很苦,对我来说闲下来没事干又不出去玩的时候才是真的难受。

  • 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
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