防止创业团队散伙的10招

 

创业团队的分裂,始终是大家关注却又在遗憾当中无可奈何的事,似乎也只能慨叹一句“共苦易,同甘难”的千古名言而已。然而在大家对着数不胜数的案例出神时,却很少有人将这一规律式的宿命,加以归纳,总结出共性,并在进一步分析之后拿出药方--尽管谁都希望能有这样一个药方。而本文总结出创业团队产生分裂,给出了如何防止创业团队散伙的10招,相信这对创业者会大有裨益。

图解: 首先、在理念上要正确。
    要坚信组织能够健康发展下去,不要一开始就想着失败,尤其不要用经典的理论“只能共苦,不能共甘”、天下没有不散的宴席、过河拆桥等来支配自己的思想,脑子里根本不应有这种想法,有这种想法本身就为失败的结局埋下了种子,就像刚开始学习骑自行车一样,发现前面马路中间有一障碍,于是乎你越不想碰上石头,偏偏最后还是碰上了。因为你的精力集中于失败了,你必然失败。

图解: 其次、持续不断地沟通。
    开始要沟通,遇到问题也要沟通,解决问题时也要沟通,有矛盾时更要沟通,多想有利组织发展的事情。有不同的看法,不要在公开场合辩论,不要把矛盾展示给下属。

图解: 第三、发现小人钻空子,坚决开除。
    领导之间的矛盾,不要让下属来评论,来解决。
    如果双方沟通有困难时,就主动寻找外方的力量,尤其双方都信得过的好朋友来解铃,但不要露出太明显的痕迹。如果发现组织中的小人来利用领导之间的矛盾分歧达到个人的目的和损害组织利益,那就毫不犹豫地坚决开除,不论他是什么人。

图解: 第四、就事论事。
    当双方矛盾冲突到两个阵营的矛盾时,外力也不能解决时应停止争论,停止人事波动,就问题来解决问题,不要就人来讨论。

图解: 第五、换种环境换心境。
    双方应出去郊游,散心,不要纠缠在矛盾之中,毕竟双方同是莫逆之交、毕竟是血缘关系和姻亲关系,是世界最紧密的关系,大家撇开工作问题和事业上的矛盾,出去多讨论了人生话题,休闲话题,把利益看淡一些。

图解: 第六、丑话说在前面。
    最初创业时就把该说的话说到,该立的字据一定要立到。把最基本的责权利说个明白透彻,尤其股权、利益分配更要说清楚,包括增资、扩股、融资、撤资、人事安排、解散等等。

图解: 第七、及时协调立据。
    任何事情都不可能在最初计划周全,事情是随时都有可能变化的,合作运营过程中,遇到新问题新矛盾一定先说清楚立下字句再行动,千万不要先干再说,因为事情发生后都是朝着自己有利的一方考虑。先干再说,看似快了,其实埋下祸患的种子,将来就不是速度快慢的问题,而是风起云涌、企业组织颠覆性的运动的根源。

图解: 第八、不要太计较小事。
    难得糊涂对创业合作的各方都是保养自己心灵的鸡汤和企业组织运转的润滑剂,这与前面讲的丑话在前和及时立据看似矛盾,其实不矛盾,前者讲的是在没有形成事实的情况向下的做法,后者是说事实已经形成了就不要太计较了。计较了也于事无补。其实,过后经常会发现双方的计较毫无实际意义。

图解: 第九、不要轻易地考验考验对方。
    创业者团队合作起来不是一件容易的事情,不考验还会出事,更何况有意考验对方时,对方肯定经不住考验,因为当你考验对方时,对方不知道,只能是顺着你设定的情景运行,结果肯定是和你设想的一致?D?D没有经得起考验。如果对方知道你在考验他,那你也肯定考验不出来,因为他在心理上和行为上都进行了设防。这不但是瞎子点灯白费蜡,而且还会伤了和气,心理上出现了裂痕。所以既然是合作,就不要动辄考验考验对方,考验是基于不信任为前提的。

图解: 第十、一直向前看。
    创业合作过程中,遇到问题矛盾应向前看,向前看利益是一致的,因为成功会给大家带来更丰厚的收获;盯住眼前的事情不放,只能是越盯矛盾越多,越盯矛盾越复杂,最后裹步不前;回头看,回忆起合作中的不愉快,会使你伤心,丧失前进的斗志和动力。只有向前看,成功的希望激励着合作的各方摈弃前嫌,勇往直前,抵达成功的彼岸。


  • 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