狂战拯救世界

        当看着后生们高喊着狂战拯救世界招摇而过的时候,我默默的喝了一口水,拿起了伴随我多年的坚韧球。
        看着因为久经使用而摩擦的越发光滑的坚韧球,我不禁泪下,想起了50多年前那惊心动魄的一战。
       
        记得那是48的一场战斗。已经打到尾声的战争,毫无悬念的进入了残酷的拉锯战,双方都出了超级兵,巨大的树人长老和狂暴的食尸鬼精英疯狂的撕裂着彼此。高阶亡灵法师和大德鲁伊都使用着最朴素也是最有效的能量冲击,任何的技巧已经都没有效果,决定胜利的,只有数量。
        “中推吧”看着刷新球上的光辉,术士抬起头来看向我们。在这个阶段,术士的时代早已过去,恐怖的地狱火也只剩下1秒的晕眩了。
        “不,再等等,我要出装备”沉默的火枪发话了。我
        术士不屑的看向他,作为一个一直超鬼的存在,要不是对面的MAG先手掉线,我们绝对撑不到现在,而造成现在这窘迫局势的重要原因也是这ATM般存在的火枪。
        看向他的装备栏时,我看见了坚韧球和大剑,我迷惑了,在我的印象中不存在这样一种装备路线。
        我问向旁边的人马“他....他想出什么?”
        “狂~~”
        就在人马还没说完的时候,白牛如同SB一样的冲了过去。抓住火枪的领子说:“你个SB~!!,火枪你出你妈狂战啊~!!”说罢白牛一个重击把火枪推倒在地。“操~!,不管他,少了这个SB一样推~!”
        最后看了一眼倒地的火枪,他正慢慢的爬起来擦拭着嘴角的血,不过我从他的眼睛里看到了一丝光。
        最后的进攻开始了,我们走的是下路
        一切进行的很顺利,术士先手双大,人马跳晕,白牛对着TB无限晕,我上去对着TK这个脆皮法师就是一通暴击,BKB的掩护下法师对我完全没办法。
        眼看胜利就要到手,这是我看见TB的嘴角浮现出一丝冷笑。
        一道闪光,已经掉线了的MAG突然出现在我们当中,一个晕~!!
        伴随着魂之挽歌的哀伤旋律,我们集体的回到了酒馆中,门口冰蛙守卫一边冷静的掐着秒表一边看向我们,反击是徒劳的,在冰蛙强大的结界下我们都是脆弱无比的。
        4道蓝光出现在树人长者的身上,集体飞鞋的近卫攻到了我们高地,而此时,我们全员都只能在酒馆里默默的看向王座最后的光辉。
        但是,就在这时,我们突然发现火枪,就是那个超鬼的火枪~!独自战在了天灾最后聚魂塔下。
        高大的王座前,火枪的身高显得越发的矮小了,但是我们都看见火枪努力的挺直了那因为常年龌龊低头打钱而弯曲的脊梁。寒风中,火枪回头看了我们一眼腰间的狂战闪闪发光,随手一抢补了残破不堪的聚魂塔。然后,是狙击。。。。
        三杀。
       
        “怎么可能!怎么可能~!!”白牛疯了的一样的锤向地面!
        “这,是什么~~”我迷茫的看向年老的半人马酋长。
        “The Chose one~”沉默许久后,苍老的酋长说出了这个禁忌的名字。
        “不可能!这只是个传说!这是不平衡的!IMBA~!!!”WL也发话了。
        这是,对面的灵魂守卫用低沉的声音说道“很好,The Chose one ~,让我看看你是不是真正的不朽吧~!”
        恶魔形态,魔法分身。冰眼蝴蝶圣剑的TB果然霸道,仅仅是靠近就让人感觉到以股强大的压力!
        4个恶魔轮番对火枪进行攻击,可一个散弹过后,火枪准确地找到了真身,在跟火枪的对点中,TB的生命飞速的下降着而火枪的生命却飞快的上升着。
        “卖活,刺客。”人马对我低声说到。
        “呃~~~~”一阵痛苦的低吟,灵魂守卫脱离了恶魔形态但他仍然毫不犹豫的冲向了火枪~!
        这时我们都以为他已经杀红了眼,因为火枪的生命几乎是满的而他却已经黑血。
        而TB的突然大吼道“将你的灵魂交予我吧~”瞬间,TB的体力全满~.
        一直在旁边等待KS的40法师如同见了血的鲨鱼般的冲了过来,迅速的赶在火枪生命回复到一半之前使出绝技,死神镰刀。这一刻,死神附体,他没有给火枪任何的机会,比黑暗更黑暗的存在出现在火枪的面前。那镰刀缓缓的砍下,在镰刀接触到火枪的身体的一刹那,火枪的灵魂开始崩溃。当镰刀将火枪整个的洞穿的同时,火枪最后一枪也同时带走了TB和40法师的一次生命。
        我迅速的闪耀到了火枪,他的意识还清醒不过谁都看的出来他的伤势连冰蛙守卫都无法挽救了。
        “我,我不行了,时间快到了。。拿。。拿上他”他指指狂战说道“用他去拯救这世界吧。。。”说完,生命的光辉从火枪的眼神中消失了,留下的只有一具矮小的尸体。
       
       
        尾声
       
        我最终拿起了火枪留下的狂战。对面的进位正欢欣庆祝自己的胜利,他们决定集体卖活来给王座一个华丽的结局。
        当他们走出温泉的时候,看见了一个孤独的身影站在他们的高地上。
        如果不是无比强大杀气标注在这里,他们根本看不见站在眼前的死神。
        “呦~这不是PA么~,怎么?来BD?”对面的TK,一个同样被时代落下的老古董首先开腔了
        “呵呵,真不巧,我们都在呢”带着恶心笑容40法师也凑了上来。
        闪烁突袭,暴击,2000!
        “要知道,团战的时候法师要站在后边。”重复着老师的教导,我一步一步的走向了进位的众人。
        “曾经,有个人出了狂战,我们叫他SB。而后,又有个人,独自顶下了神装TB的最后一波进攻,我们叫他The chouse one。而现在,我,来终结你们,我叫幻影刺客~”
       
       
        后记
       
        最终,我们集体因为数据溢出而掉线。而近卫没一个人感到懊悔。最后一战虽然没有开始,但是,没有人一个人认为他们能胜过我。
        狂战最终也没能解救世界,而我,也再也没见过那个火枪。
        有人说他去玩大NAGA了,可我从来都是一笑置之。
        但每当我看见一个个的后生高喊着狂战拯救世界的时候,我都要问。
        你是The Chouse one么?
        你的狂战上镶有那颗只为一个人闪耀的宝石么~?
        如果不是,那么我要告诉你。
        你拿到的不是狂战斧!
        你拿到的只是一把普通的铁斧头。
       
       
        狂战拯救世界,可他拯救不了一个孤寂的灵魂,愿火枪前辈永远安息

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    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 1
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

打赏作者

唐竹

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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