卡塔尔亚洲杯-money很给力

2011卡塔尔亚洲杯还没有结束,国足又提前打道回府了,这不能不说是在球迷的伤口上又撒了一把盐,还好,总算在最后一场小组赛,国足是站着死去,众球迷也没有了太多的责难。
但是纵观中国队的三场小组赛,至少我们看到了国足未来的希望。什么?众看官会说,我没看错吧。但是我确实要说,这是一个铜臭味十足的足球世界,国足的表现已经足够好,我们无法阻止一些场外因素,我们只能让自己做到更好。实力才是硬道理。
首回合迎战科威特队,明显看到国足的中场很成问题,非常的凌乱,事后证明连科威特这样的弱队(虽然是海湾杯冠军,但还是以不可思议的速度在退步),都可以快速通过国足中场,直接从禁区外围展开进攻。只有防守体系不被破坏,从中场就展开阻截,才能使后腰清道夫和后卫能够比较从容的摆好阵势防守。这就是第一场比赛造成中后卫赵鹏失误过多的原因,然而赵鹏的表现已经足够好。全场比赛只有上半场的定位球防守中出现一个明显的纰漏。中场休息,高洪波和教练组也意识到了自身的问题,而下半场靠着澳洲裁判的照顾,将科威特罚下一人,国足于是就从容的展开以少对多的围抢来弥补中场的不足,最终以2:0战胜对手。
这场比赛,老实说,裁判帮了国足的大忙。

第二回合迎战东道主卡塔尔队,这场比赛太让人愤慨了,相信真正的高水平球迷都能看明白比赛。整场比赛,韩国裁判都在压制中国队,只要国足队员一进行逼抢和卡位,造成双方身体上的接触,对方倒地,这个裁判就进行不利于中国队的判罚。真不知道收了亚足联和卡塔尔人多少贿赂!正是由于此韩国主裁对国足的极其阴狠的打压,造成国足队员整体心态失衡,连出球都成了问题,更不敢进行逼抢压迫等一系列合理动作,无法对卡塔尔队形成有效的进攻和防守,控球时间更是不用再提。毕竟国足平均年龄才24岁,大赛经验不足,根本无法应对裁判这样的判罚尺度,而这种阴狠的打压,往往并不容易直观的看出来,球员自己更是有苦说不出。在场上的感觉就是,裁判根本不让你踢球,只要我方拿球,就是提心吊胆怕犯规!
观众在直觉上,往往就是觉得,国足为什么不奋力拼搏啊?为啥不努力奔跑。实际情况却是场上队员根本就无法进行这样的动作!有力使不出来。
说到这里,就容易解释为什么高指导在上半场就换下了锋线上的郜林。郜林的特点是自己带球突破射门也可以给同伴做球,在这样的裁判判罚下,只要带球突破,就会授人以柄,让主裁判中国队犯规,万般无奈,只好出此下策,将郜林换下。
在这场裁判就是卡塔尔第12人的比赛中,国足为年轻付出了代价,毫无办法的0:2丢掉了比赛。

撰写此文时,恰逢日本队3:2击败卡塔尔进入四强。反观日本队,在60分钟后就以少打多的情况下(同样也是吃了裁判的亏,可想而见这是个怎样的铜臭味的足球世界),整场的表现却让我们刮目相看。首先,自己要有强烈的自信心,我就是亚洲老大,不会怕你;其次,即使卡塔尔几乎抓住了日本的软肋,不断打乱日本队,不让日本打控制球战术(日本人惯于使用的强大的整体战术确实已经在自己的足球理念中发挥到了极致),发挥强大的整体战术。然而毕竟日本球员中还具有个人能力突出的18号香川真司等球星,虽然比不上中田英寿,中村俊辅等人。球星在此刻起到了关键作用,香川一个人在本场比赛一助攻,一进球,使我们看到了足球运动的真谛。
在整体配合,攻防有序,衔接良好的情况下,锋线上有几个能力突出的球星,就是梦幻组合,几乎无坚不摧,战无不胜!

再回来说第三回合,国足对阵乌兹别克斯坦队。这场比赛踢出了国足的真正水平,裁判也相对比较公正。然而确实是造化弄人,乌兹别克斯坦的守门员实在是太强大了,而我方的杨智又实在是太差劲了。这场比赛双方都在按照自己的风格在比赛,中国队有两个必进球,都被对方守门员扑出。而一个完全可以封堵住的球,杨智却漏入了网窝。这也让我们看到,好的门将就是半只球队,而糟糕门将直接让队伍出局啊。
本来可以是4:1的比分,却由于双方门将的差别迥异的表现,最后使这场比赛的比分定格为2:2.

三场小组赛,国足一胜一平一负,小组赛后就被淘汰,虽然输了,但是确实让我们看到了这批年轻国脚努力拼搏的精神,让我们看到了中国足球未来的希望,只是输给卡塔尔确实有点冤。
最后祝贺日本队3:2痛扁卡塔尔队出线。实力才是硬道理。
  • 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