说说空气质量

    今天上网的时候看了很多关于北京空气问题的新闻,也许是忽然有机会去北京了,多少开始关注起来,虽然Offer还没到,但还是不时的遐想一下。

    北京的空气质量已经告急了,这忽然让我后怕起来,如果真呆个半年,会不会烙下一些病呢?我原本就不喜欢空气差的地方,这次决定去北京也仅仅因为想去见见世面。还有一个原因是北京的朋友和熟人反而比武汉多很多,跟大家一起的感觉比在武汉举目无亲的好啊。

    作为一个89年出生的人,我活过了改革开放的这么多年,而且我是从农村出来,到小城市,然后渐渐到大城市的人。见过的东西比较具有时代意味。回想以前,老家的河是那么清澈,夏天游泳的人很多,还有很多洗衣服的人。。但越到后来,水渐渐变浑浊了,虽然比不上城里的那么脏,但已经无法游泳了,至少看的很少。城里的水更不用说了,味道不大就算好的了。。我原本听说 上有天堂下有苏杭,苏杭的水和天一定很美,暑假去的时候多少是有失望的,甚至比不上童年的老家的水,当然听当地人说以前的苏杭不是现在的样子,当时是难以想象的美。。好吧。。我承认我想象力不行。苏杭的空气和水仅仅是比其他地方稍微好些,属于50步可以笑100步的类型。但真的好,已经说不上了。

    发现福建的情况似乎没有苏杭那样,属于比较稳定,虽然也是恶化,但没那么严重,福建的空气感觉比苏杭好多了。这也是为什么每次我福州下火车时候总感觉空气都不一样,武汉的气体里夹杂了太多施工的粉尘。。我居然还在这里坚持了4年多。。

继续等百度实习的Offer,然后顺便了解下情况。毕竟,命比钱和工作更重要。

 

 

 

  • 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