整理2015时光轴

    时光匆匆,又是一个半年,寒假即将结束,有时候不禁会问:时间都去哪儿了?是滴,是该整理整理2015的时光轴啦!总得来说,我想我的时间是分散在专业课,计算机,自考,英语,思想的提升以及消遣娱乐等方面。

【专业课】

    先说说专业课吧,因为生物毕竟是我的第一专业,理应好好对待,但说实话,专业课学习并不认真,有时还去逃课,没有逃课的大学是不完美的,这样说来,我是为了完美才逃课的,也得到了心里安慰,最后期末考试可真是紧张兮兮,连续四门的专业课九天复习时间,简直到吐,还好还好,期末全部过了,全靠的是自己,不得不佩服,哈哈,自恋一把,实力人。

【计算机】

    说到计算机就该来一张图看看了,否则怎能对得起一直使用的今目标呢?今目标整理着我们的生命,记录着我们的生活!

    计算机是我的第二专业啦,对他的兴趣真是颇高。这半年完成的项目有,,问自己到底学会了什么?可能自己说不上来,但看看陪伴我的伙伴~今目标,上面的项目,也很有成就感,,,,但计算机方面也有些遗憾,寒假前计划完成机房个人重构的,但现在看来是不行了,不过没有关系,开学仍不放弃,继续坚持,加油,IT之路上越来越近……

【自考】

     经历了两次自考,此时我们还在第三次自考的路上,非常高兴本次我担任了本期自考组长和13期的指导师姐,这是一次锻炼,也是大家对我的信任,我会认真负责,带领我的小团队逢考必过!四月份的自考现在进行到第二阶段了,仍在继续,我们一组棒棒的。十月份的自考已经结束很久,数据库系统没有通过,这次报考了,我们小组六个人一定会过过过!

【英语】

     这半年英语不得不说进步了许多,无论是听力还是口语,对英语的学习兴趣也是倍高。首先应该感谢英语小组的带领,我们进行了很多次旧美角色扮演,对剧情更加熟悉,还进行交流,和小组一起学习动力十足;然后就是另外一个小组织,在浩田和唯妍的带领下,更是棒棒的!我们晚上进行topic半小时,一起交流mini story,还要扮演其他场景,通过交流,自己听的过程中不懂的内容了解了,返回来再听就能注意到了,总的来说,交流学习非常好,既有学习兴趣,又能学到知识,虽然有很多地方做的不好,不是每天坚持do,希望在接下来的日子里能to do to do done!
   
     尽管2015已经过去,但是在2015经历的一切将永远铭记!愿我们的2016更加充实美好Fighting……
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 20
    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 20
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