迟交的答卷——项目实施个人总结八部曲之一

 
          (一)利标初试水
    看了个多月的文档之后,终于在八月开始投身项目中,有期待、也有紧张。总体来说,利标的试水是我项目成长的起点,之后项目的大部分工作开展都依赖于这段日子跟师傅学习所得。感谢甘经理一直以来的耐心讲解和指点,也是你给了我在科情混下去的资本。当然这段日子,过得并不轻松和平淡。
    缺陷:
    1)、毫无保留地将客户当朋友。初次参加项目的稚气本身就已经显得极不专业,然而自己的口无遮拦,更是添油加醋。数次安排独自安装服务器,自己的不够专业和干练,已经无法赢取客户的信任;
    2)、过于拘束和紧张。多少次师傅开着玩笑,好让我放开,可我偏偏不中招似得,越发把自己藏得严严的,红彤彤的脸啊,蹑手蹑脚的走;
    3)、过分依赖师傅。师傅好心给予的独立锻炼机会,往往在自己不够自信的蹑手蹑脚面前悄然而逝,可能主要还是表现在多次的服务器安装,交付给我的任务,却总出现这或者那的状况,没能独立完成;
    4)、有点独断。在处理单位余额导入中,按照自己所想,没能提前询问,导致客户帐页结转后金额错误,这点上给师傅添了倒忙。
     成长:
     1)、初次掌握了项目实施的初期安装服务器和客户端基础;
     2)、
学会了通过 EXCEL 导入数据资料
     3)、初次项目实战,自定义查询方案、单据提取方案、检索方案等,掌握和了解一些基本的解决用户需求的思路,比如试用装定价单据功能实现等;
     4)、
掌握了 OPENDATASOURCE 操作 SQL 服务器数据的用法,以及调用存储过程来实现查询功能等等基础。    
    细项功能说明: 
 
}     1)、 制作库存分析查询,按品牌分效期进行汇总,便于及 时控制商品采购和促销等
}     2)、试用装定价单据,由于系统自带的 一品多价维护 存在 价格必须大于零 的拦截;在单据中运用了业务提 取方案和资料检索方案,通过 ty_select_ 实现在 客户等 字段双击便可多选进行存盘;
}     3)、 为货位移库汇总查询方案添加 净调拨商品 反调拨 单据 查询页面,便于了解商品门店对门店的相互调拨情
}     4)、 制作按单位和按业务员进行销售退货率分析,便于管 理决策支持
}     5)、本月销售开票账页查询,便于客户对销售单位进行催 款等工作。
}     6)、 利用业务提取方案在采购开票单进行记账来录入期 初,创建表将 EXCEL 数据导入;
}     7)、运用存储过程实现销售往来帐页查询
}     8)、 货位库存查询以及添加数据导出,便于对货位库存 的控制   

      感谢甘经理这段时间对我的讲解和指点,之后运用到项目中的知识和技能几乎80%来自于这段时间的所得。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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