仅仅恨时间太细,指缝太宽——半年总结

       时间宛如指缝间的细沙,在不经意间就流逝。此时的我不再年轻。心态已经变老,我知道以后还有非常多的事等着我,仅仅是时间过的太快,不容我去适应。

我感慨着时间的无情。岁月的老去,青春的无奈。

光阴似箭,岁月蹉跎……

 

        回首,留在脑子的知识究竟有多少。

看着以前的自己做的满满的笔记,现在是如此的陌生。更可笑的是。自己在百度中搜索的答案。竟是自己以前          

        写的一篇博客。熟悉而又陌生。


 

        以前一个寒假的请假,错过了米老师每一节精彩的讲课,未參与提高班每个非凡的瞬间,我已被冷冷地遗忘在某个角落……我大声地呐喊,努力的追逐,希望能拾起最初的自己。能与大家踏上一致的步伐。

在今目标上列好满满的计划,监督着自己的学习,同一时候也见证了自己的成长。

------------------------------------------------------------------------------------------

                                              2014-5-1 開始软工和文档学习计划,

                                              2014-5-7 開始UML学习计划和绘图文档,

                                              2014-5-22開始C#设计模式

                                              2014-7-1   開始VB.NET视频

                                              2014-8-1   開始三层架构

                                              2014-8-19 開始个人机房收费系统重构

-------------------------------------------------------------------------------------------


这三个月,强逼着自己要学的东西,而且自己本专业的课程不许落下。外加还要兼职奔波……



 

          我想努力做好每一件事。

。。

相同都在学习,花的时间比别人少,还想要有相同的学习进度。用米老师的话来说。这叫做痴心妄想。是……的确,而我却偏偏干着痴心妄想的事。殊不知,这是大错特错。

 

           明明知道自己错了,却不愿承认,会在某一段时间里选择沉默,然后故作深沉地告诉别人。告诉自己,视乎渐渐变得麻木了:米老师说的时间管理非常重要,好的时间管理能受用一生;米老师说要将你想的,用行动去做,不能只停留在想的那个阶段。米老师说学习要形成知识网。记是永远记不住的……句句箴言,而我也只只是是个听众罢了,听过了之后自己该如何还是如何。原来自己是如此的固执,不愿对自己做不论什么改变。

 

            一昧的为了赶进度,来而来学习……以至于。自己的脑子空空如也。

 

            慢慢的我意识到我不能这样下去,在即将到来的大四。我要好好的做好我的时间管理,用番茄模板记录时间的去向。

由于时间太细。指缝太宽。所以时间总是会不经意的流走。

而我能做的是。当时间从指缝溜走的那一刻,我能够自信满满地对自己说:

               I Can Do it !

 



转载于:https://www.cnblogs.com/ljbguanli/p/6770418.html

  • 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