老板,请给我换一把好一点的椅子!

序言:你是IT人么? 你的椅子坐着舒服么? 给你的老板看看这封具有普遍性的信吧!


老板:

来到公司这么久,第一次向您提出我的一个小小的要求:如果可能的话,请给我换一把好一点的椅子,好吗?

首先允许我简单的计算一下:作为一个普通的员工,从早晨九点到晚上六点(很多时候还要加班),我要在公司起码有9个小时,至少有八个小时是要在那把糟糕的椅子上度过.是的,八个小时,我一天生命的三分之一.那把价值几十块钱的椅子没有扶手,椅背设计的也不够合理,很多同事工作一天下来都说腰疼.一天下来,恐怕只有那些坐着高级椅子的没有多少事情干的经理们腰不疼.

作为一个老板,您喜欢向员工灌输一些很新鲜的理念.您喜欢告诉员工做事情要”没有任何借口“,您引导我们提高”执行力“,您喜欢告诉我们一定要”把信送给加西亚“,您还总跟我们说”高效能的人士的七个习惯“(我不知道高效能人士是不是会瘫痪). 这些都是好事情,我也很高兴能学习到这么多,但是我只需要一把更好的椅子.或许您没有想过,给员工一把更好的椅子,他就可以更舒服的工作,他同样也可以高质量的工作!

那次您看到了,我在加班的时候坐着我的经理的椅子.不要误会,我不是想坐他的位子,只是想坐一下他的椅子而已–这样十几个小时下来可以不那么累.一把好一点的椅子或许相对比较贵,就把他当作投入吧,可是,员工会回报给你更高的产出.

老板,请给我们换一把好的椅子吧.我们这些员工只希望有一把有扶手的椅子,有一个设计的比较合理的靠背的椅子,一把在加班累了的时候可以靠着椅背睡觉的椅子而已.当然,如果您觉得给员工买一把好一点的椅子开销比较大,您不妨允许员工自己买椅子.就像很多员工为了珍惜自己的眼睛不愿意用公司濒临淘汰的低频 CRT 显示器而自己买笔记本买液晶显示器那样.或许自己带椅子,行政人员们会强烈反对:那样会影响公司办公区域整体性. 真希望听到这的话的时候,您能让那些行政人员自己来体验一下.

老板,请给我换一把好一点的椅子吧.亲.

By 崇拜你的 Fenng

Google+
  • 0
    点赞
  • 1
    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