秋风秋雨愁煞人

       春雨惊春清古天,夏满芒夏署相连,秋处露秋寒霜降,冬雪雪冬寒又寒。时间飞快,又到秋天了。  

       刚才回来,外面正滴着小雨。本来在外面吹风的我,不得已必须回来了。在路上,我突然想起大概十二年前的一个傍晚,那天我从待了好久的学校里出来,然后一个人在中学的门前信步闲逛。周末时候,学校门前非常热闹,到处可见买卖东西的人群,因为那时的自己实在囊肿羞涩,然后会感觉有些窘迫,心情自然是不会好的。我记不清那是什么季节了,印象中依稀记得当时的阳光非常慘淡,一如我的心情。

       我在外面转了好久,然后有个路边的小书摊儿吸引了我。那时有好多书想看呢,仅仅是迫于升学压力,非常多书都没有读。如今还记得那天我买了一本三国演义。

       在校园里,我边走边看,然后就突然被政导处主任喊到了。他老远就冲我大声喊,“来,来,来,过来…”。

       我被吓了一跳:“他但是大人物啊!”

       我当时就这样想。如今回忆,当时的自己实在太没见过世面太乡巴佬。我走到他身边,有些茫然,心想会喊我干嘛呢。

       谁知他居然从我手中把书拿去翻了起来,见是三国,他冲我直笑,“嗯,不错!不错!好好读。”

       我接他话茬,“嗯,是啊,可惜书是盗版的。”

       他继续和蔼的笑,“这样价钱的书,肯定是盗版的啦!”

       然后我们又说了些不知什么,后来他拍拍我的肩膀,给我一些鼓舞。那一刻,我感觉慘淡的阳光居然温暖了,连西下的夕阳也异常漂亮了起来。

       记忆中,那天还有个片段非常清晰,就是我在书摊前,看到一本书,书皮赫然印着几个大字,“秋风秋雨愁煞人”!

       那几个字居然穿越时光,让我一直记了十几年。

       近期心里总有感觉像少了些什么,有时居然还悲伤的不能自拔。日子一天又一天,忙的时候,有错觉时间是一周一周为单位消失的。有点可怕。

       想想,自毕业后,自己非常少会主动去联系以前在我世界里出现过的每个人。或许我圈子小认识的人少,同事说的是正确的。但是我一直不认为有什么。就这样也挺好。活得随性一些,不刻意追求什么,不再痛失去什么。对于有些事,得之我幸,不得我命。对有些人,你要来,我欢迎,你若走,我不送。非常喜欢朋友说过的一句话,与人相处,合则玩,不合则散。人生几十载,事实上蛮短,活着难得潇洒。

       自几年前,我開始陷入自己给自己设的牢,然后我每天忙得像狗一样,从醒来到睡去,我把时间都安排的满满的。開始时非常难受,但是受够了,习惯了,也就好了。如今,我还在自己的牢里徘徊。时间过去了几年,我认为自己有进步,仅仅是结果仍然不尽如我意。如今,我已经离家非常远了,但我还认为不够,不知道是不是有点没心没肺。如今我有非常强的念头,假设未来几年里有机会,假设我仍然无牵无盼一人,我非常想能够到国外去锻炼几年。像三毛一样,流浪,流浪到远方。

       不知怎的,近期突然异常怀旧了起来,我已经连着好几天看电视到深夜两点了。重温83版射雕英雄传,一集一集的看,居然多次让我不舍得入睡。剧中有个画面,橘黄的阳光照在喧闹的中原街市,楼下的阴影对照着温暖慘淡阳光下的美人,有太多童年的味道,那画面太美我不敢看。

       看电视看老版的,听歌听老歌,就连读书也要读古文。好像有点不正常了。只是我却非常喜欢。

       一直以来我都有感到孤独,只是今天无意间看到季老一句话,“父母也好,爱人也罢,朋友同事,全部的人,他们在时,都是恩赐,是上苍给你的礼物,所以要加倍珍惜和感激;而一旦离开,也别太伤感,你要明确,离开是正常的,孤独才是生命常态”,然后我若有所悟。

       在春天满片满片的油菜花伴着慘淡而温暖的阳光下,在夏天大雨滂沱的傍晚,在金黄色萧瑟秋风的午后,在室内篝火室外渺渺大雪的深夜,你是否也会想人生到底是什么呢?     

      滚滚红尘,此间诸事,是耶?非耶?梦耶?...

      秋天了,随感,记之。

转载于:https://www.cnblogs.com/lcchuguo/p/4007978.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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