2023年年终总结

2023年就这么过去了,回想整个2023年,这一年和往年一样仍然发生了许许多多令人难忘的事情。2023年只写了一篇博客,看来2023年确实是浑浑噩噩的一年。

总结一下2023年发生的事情:

2023年是不同寻常的一年,因为2023年我33岁了,意味着面临35岁,35岁对于程序员来说意味着退休;所以在2023年对我来说在工作上是格外的艰难。

2023年在工作上还是分上半年和下半年吧:

工作上上半年:

清晰记得2023年年初我还在给帝邦写(产品工厂项目代码),过年的时候我将我的台式机从上海带回去,导致在运输途中,显示器被碰坏了,没法用了,我问邻居借了一台显示器,也在运输途中显示器坏了,还有爸爸的一台安卓手机也摔坏了,我又在网上重新买了一台显示器,在帝邦的4月中的时候乙方人事说4月底出项,意味着要重新找工作了,但是我后来不服气,找了甲方的领导说了我的想法,甲方领导将我留了下来,但是好景不长,由于甲方高层内斗,导致在6月底的时候所有的外包全部清场,对于我这样高龄程序员出去找工作是个难题,2023年大环境特别差,回想在帝邦是整整9个月的时间,如果不争取的话那只有7个月的时间,后来一直准备面试找工作,准备了将近两个月,在8月底找到了一份在金融证券上班的工作-九轴,发现工资确实是开不上去了,刚开始过来一直就是996,完全是996,但是在这边我只上了两个礼拜,其他的不说,活干完了,最后没有得到一句好话,却给我扣上了五宗罪,没事,走就走吧,也不像在这里呆着,因为这边完全就是对外包不友好,没啥意思

工作下半年:

9月初开始回南通找工作,在9月底的时候入职一家小公司-建吕,工资是前所未有的低,没办法小城市就是这样,先干这吧,等明年行情好了再回上海上班。

从2015年7月15日到2023年9月,在上海8年,发生了许许多多的事情,回忆满满,特别喜欢魔都这个城市,先暂时告别吧,再见上海。

家庭:

家里又添加了一名成员-小宝,男兔宝宝(10.12),特别开心,大宝也上幼儿园小班了,今年我身上的债务全部还清了,没有一分钱债务。

学习:

学习方面也就是在7月份到9月份的时候准备面试一直的看书和学习,软考也因为工作而耽误了报名,等到想起来的时候报名时间已经过了。

展望2024:

2024年还是把软考继续准备考过吧,2024年多多看书,看一些自己专业方面的书籍,提高编程能力,提高自己的专业能力,2024年年初开始找工作换工作,还是到上海去吧,不喜欢呆在家里。家庭方面,还是处好关系吧,对每个人都有好处。最后还是希望家里人身体健健康康,明年会更好。

  • 6
    点赞
  • 12
    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
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