恨毕业--读研一年总结

恰逢毕业季。参加了两场比较重要的毕业聚会,蓦然发现,我比那些要离开的人还要伤感许多。从前本科的时候,看着别人毕业,想到很快就要轮到我了,很是惆怅;而今看着别人穿着学士硕士服在校园里心花怒放地敞口大笑,我便恨不得我也赶紧的赶紧地毕业走人。

 

很多次感到失望的时候,我都会问自己,当时为什么选择了读研?大三大四的时候常常看科学松鼠会、Science之类的文章,文章里透露出的那种专注的学术研究精神以及不足为外人道的浪漫情怀,让我渴望也能拥有这样一段时光,可以心无旁骛地学习,专注地做研究,或许真能做出一番傲人的成绩来,或许最终没有,也算是尽了我的情怀。大四一年的准研究生生活让我开始发现自己的可笑。可笑我没有做过任何调查便一厢情愿地认为研究生就应该是专注地做研究;可笑我仅凭导师的一纸简历便这样冲动地跟了她;可笑我所追求的浪漫情怀是那么地不合时宜。我想过放弃研究生升学,直接投奔社会。但或许就如师兄所说的,谁都想退啊,关键是有没有那魄力。虽然我不愿承认,可事实可能就是这样。

 

既然没有贸然离开的勇气,便要有苟延残喘的毅力。草草地注了册,心不在焉地正式开始我的研究生生涯。很多事情我都无所谓了,我常常告诉自己,错误的选择已经做了,现在唯一能做的,便是弥补错误带来的损失,争取在研究生的时候出去,也不失为一种扭转。退一步想,能够在追求我的追求的时候拥有一个便宜又舒服的落脚的地方其实也很合算。每天在实验室的活与自己的出国梦里来回切换,新认识的人除了实验室的同学,便是宿舍的室友了。研究生的课很是没劲,我常常不小心便睡着了,后来干脆就不去了。期末考试的时候,看着数学试卷上的一道有点像在考概念的填空题,一股无名火燃上心头,当时我真的很想在旁边打个问号,问他这道题你TM到底想问我什么!也许四年的本科双语教学已经让我渐渐淡忘了国内的出题方式了吧,反正看着这样的提问方式,很是让人来气。后来的考试发展到跟考科学社会主义似的,打印出来十几道题,然后背背就可以去考试了。我是很受不了自己做这样的事的。于是拿着那张纸,我又查了很多相关的资料,只是最终也没有在考试里派上用场,倒是让我忘了一些应该写到试卷里的“点”。今天考完最后一科图论,我的心情很矛盾。我应该庆幸试卷出得很简单的。昨天晚上我回过头看以前的作业,发现很多题目如果不是有参考答案我不知道要想到什么时候才能想出来,如果考试的时候出来一道我没有见过的证明题,我不知道能不能做出来。结果老师出了两道曾经做过的证明题,让我毫无惊险地证明了出来。可是我又很难受我怀疑自己丧失了自主思考的能力了。

 

一年就这样子过去了。回望当初决定读研时的斗志与信仰,发现理想已经变成标本,封尘在某个不常被人想起的地方。人都是选择性健忘的高手,不愉快的体验回忆慢慢地慢慢地就会被淡出记忆,终于有一天从你身上脱离,以后再遇到的时候,忧伤也不再属于你曾经的忧伤。我也常常拿生活中的一些小乐趣来安慰自己,若不是读研,我大概不会有这么多时间看闲书;若不是读研,我大概不会学会打乒乓球,玩桌球;若不是读研,我大概不会遇到这么些可以大大咧咧地一起玩乐的朋友。只是每当独自闲坐时,还是会想起那个未竟的梦,然后伤感的希望离开,离开。如果把这三年看做人生的一个章节,文章的情感主线是黯淡的,精彩的地方只在它的注脚。然而,写过了的已经删不了,章节没开好头,也还可以在后面努力为后续章节打个铺垫,只希望,再往下,不要再犯同样的错误了,比如,没有充分调研就一厢情愿地相信某事就是某样的;比如,看人的时候不能只听他说话;比如,要更细心地观察生活,努力活在当下。剩下的两年,只希望能够为下一个章节的转折做好伏笔吧。

 

  • 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
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