我的第一条,一些回忆

在CSDN上注册有多少年了?我自己都记不清楚了,只依稀记得当年曾泡论坛刷专家分,那个年份互联网资源并不丰富,写个程序有困难了并不能很容易地谷歌或百度到结果(那时候有谷歌和百度么?当红的好象是altavista和excit那几个搜索引擎吧),所以CSDN上刷积分的方法的确很吸引人的参与,这似乎是从Delphi大富翁论坛学来的,后者又是从国外论坛学来的,还曾经发行过论坛汇总知识库的光盘,盛极一时,现在还有人记得么。

而我当时主要是C++ Builder,与Delphi同病相怜的东西,对于Borland来说更是得不到关怀的小弟,虽然如此,热情不减,VCL组件设计的消息机制,Windows API,COM,数据库,一两年下来也在子版泡出星来,出来转转还有人追慕,满足过一阵子的虚荣心。命运总是这么波折,脱离IT几年后做文科的研究后又回到IT的队伍,再也找不回当年的状态,再往后就很少亲自写代码了,也以为自己不会再写多少代码了。

四十岁的时候,再次更换专业方向,在新的方向上与计算机打交道,不得不又做起程序员,复习早已淡忘的那些语法,学习这些年来更主流的新语言。四十岁以前,从来没觉得别人说程序员三十一过就干不动了的话是真的,但是从三十五岁以后慢慢体会到了这一点,除了面对计算机,有许许多多牵扯精力的事情,虽然现在仍保持一两点才睡觉的习惯,很多时候却不是在写代码了。但是,很多东西别人做不来,只能自己亲自动手。

我还能干多久?只能为自己加油。希望自己选择的方向是正确的。





  • 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