感觉对了什么都不可能是问题 感觉错了什么都可以是问题

   你是否发现在世界的某个角落还有另一个你,那是一个不一般的你,一个你一直想成为的你。这里不妨,我们就叫理想的你。

   同样的一天,同样的24小时,现实的你与理想的你却过着截然不同的。如下,便是现实的我与理想的我的鲜明对比:
   (一)理想的我
   甘经理,德才兄就是我的榜样,理想的我就应该是他们那样的。智慧而又冷静,热忱而又到位,敢于挑战,积极应变,贴心于顾客、处处站在客户的出发点考虑问题。深受客户好评。理想的我觉得自己就应该是这样的,同甘经理、德才兄一样,深受客户喜爱,自己的话有相当的分量,让顾客可以言听计从。
    理想的我的一天应该是这样度过的。
    清晨的一抹阳光,轻轻洒下来。脸颊感受到阳光的清新与温暖,只听耳边时不时的鸟叫声,叽叽咋咋的说个不停,理想的我也慢慢睁开了双眼,起身穿衣、刷牙漱口,顿时精神振奋。给阳台的盆栽浇浇水,眺望着远处那一栋栋高楼大厦,以及那飞个不停的小鸟。背上电脑包,戴上耳机,听着那首安与骑兵的《红山果》,时不时还跟着哼着唱出来。
    到客户主动问声好,寒暄几句,开始一天的工作。跟客户实时沟通,提出自己的想法和解决方案,指导客户进行着信息化的管理。理想的我就是一个顾问专家。是在那指手画脚,而不是埋头苦干。
 
   (二)现实的我
    偶尔会觉得自己跟理想的我很近很近,正在一步步逐步迈进。偶尔却感觉到似乎还依旧很远,现实的我总是习惯的躲在一个舒适而安逸的位置,懒得去刻意改变、懒得去刻意搭理任何人、懒得去理身边的任何事。
    同样的房间,同样的床,同样的我,只听着闹钟开始响起,依旧用被子将自己的头埋起来,用手摸索着将闹钟叫停,眠了一会,眼依旧难得睁开,再眠再眠一会,都不知过了多久,突然坐起,问了声,“天,你怎么起的这么早,你怎么亮得这么早”,看了看闹钟,擦,时间不多啦。草草穿衣、刷牙漱口。三下五除二,将电脑打包整理,背上背包,赶往地铁站。坐在地铁,心老惦记着昨晚还没想好的解决方案,什么发票勾兑之后还搞个啥医院上账、医院上账之后还来个核销上账,BS开发啊,处理逻辑还没怎么理顺额,一头大,偏偏这时候,项目验收的客户又找上了门,啥打印这调整调整、单据存盘报错,现实的我开始恼火了,为嘛总是在我头大的时候,接二连三的事情挤上来,好像企图着把我五马分尸。真后悔,怎么没去拜见一下悟空大哥,72变,你就教我一招“分身”就好了。我一定把他们通通搞定。
    这会,要是安心解决问题倒也还好,或许问题解决也就只是时间问题。往往这时,理想的我便找上门来,对着现实的我说,“我应该是怎么,怎么样的,而不是被客户牵着鼻子走,丝毫没有成就感”,内心开始发酵、开始审视、开始留意跟理想的我的距离。对着客户提出的变通解决方案,一个一个的被否决,怎么就这么灵顽不灵呢,还是自己的分量太差火了。对客户的提出需求开始审视,询问需求的意义,继而提供更好地可参考的解决方案。可时常让我顾前顾不了后。总是在反问自己,是不是时间管理问题、是不是自己的处理效率有待提升、是不是自己没有静下心来解决问题、是不是自己还可以获取到更多更好地认可度。
    连续的几天,白天下班回家还带着诸多的家庭作业,为客户明天更少的抱怨,埋头苦干着。这还是我想要的么,整个都改头换面,俨然成了一个机器人,始终在那不停的转啊转,却也没转出个名堂。更应该做的应该是如何优化自己的做事效率问题、如何优化自己的时间管理。
 
    我想我们的生活总往往都存在着这两个版本的我们吧。一个理想版本、一个现实版本。理想版本的我们想着如何打开自己的心扉,敞开接纳身边的一切、一切的朋友、一切的起起落落;现实版本的我们却偶尔想着如何停滞在舒适安逸的角落,懒得去改变、懒得去理会、懒得去搭理、懒得去尝试。就这样,它们似乎总是那么的不可兼得,那么的冲突和矛盾,那么的互不谦让。或许我们所应该想的是如何将现实版本与理想版本进行重合吧,如何处理好它们之间的惟妙惟肖的关系,让它们朝夕相处、让它们融洽相处。
    总之,送给自己跟身边的朋友与同仁,“感觉对了,什么都不可能是问题;感觉错了,什么都可以是问题”。愿与你们共勉。
  • 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
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