重拾温暖的忆记

忘了在电驴里要搜什么了,搜索结果里,有个文件叫恋爱世纪-特别剧集,一下子来了兴致,一个通宵down了下来.


 

 

原来真的是恋爱世纪,偶大学时代最稀饭的日剧,只不过是部浓缩版.花的时间不多,就一天,又重温了一次.

十年了,距离上一次看真的有十年了吧.呵呵,十年之前,我不认识木村,松隆子何许人也,看过恋爱世纪,看过悠长假期,十年之后,重温之下,依旧温馨如昨.

大学的时候,穷,一块钱租一张VCD,还是宿舍的几个人合份租回来看,当时就特喜欢剧集里头的水晶苹果,可惜无米,买不起,成了一个奢侈的小愿望.想不到一晃就是十年过去了,到现在还是没实现当时小小的愿望,呵呵.现在是有米了,可惜又没时间,没精力去想,去记得了...

 

 


依然很喜欢理子,有点聪明,有点淘气,有点啰嗦,还会坏坏的笑,很是可爱...同时,也喜欢四月物语里头的榆野,喜欢她的安静,喜欢她的羞涩,喜欢她的执着...以前只是以为自己追星了,有偶像了,松隆子变成了理想情人,现在才发现,自己真正喜欢上的是里头的人物性格特征而已.呃...还有,我明白,像那样的人,恐怕自己在生活中是永远也不会碰到了,sigh.

 


true love never run smooth...感情中,小小的猜度,琐碎的争吵,无心的伤害...都是这句话完美的诠释.

 

 

哲平:你……讨厌秃头吗?
理子:讨厌。
哲平:……那讨厌有肚腩的大叔吗?
理子:讨厌。
哲平:那……你……可以一直在我身边看着我变成秃头,有肚腩的老伯吗?……那时,你也有皱纹了,胸部也平了,我也会一直在身边看着你变成老婆婆的。
理子:这是……代表结婚吗?

哲平:答对了.

 


嗯,虽然我们都被这个社会,被我们的米饭班主们洗脑洗得差不多了(房子车子票子房子车子票子...),但我想,其实,婚姻原本只是应该这样子的吧.

 

转载于:https://www.cnblogs.com/darren/archive/2008/09/14/1290704.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