GitHub 解雇犹太裔员工引争议

据 Business Insider 报道,微软旗下开源代码托管公司 GitHub 上周解雇了一名犹太裔员工,因其在美国国会冲击事件发生当日在工作群中发布了“警惕纳粹”的言论。

据 Business Insider 报道,微软旗下开源代码托管公司 GitHub 上周解雇了一名犹太裔员工,因其在美国国会冲击事件发生当日在工作群中发布了“警惕纳粹”的言论。

据悉,在美国国会冲击事件发生当天,这名犹太裔 GitHub 员工在 Slack 会话消息中向同事们发出了 “Stay safe homies,Nazis are about” (保持警惕,小心纳粹)的提醒。他的这番言论随即引发了群里的争议,一名同事因此批评他使用了容易引发矛盾的词汇,并对其进行了投诉。接到投诉后,GitHub 的人力资源部门对这名发表“不当言论”的犹太裔员工进行了批评,并在两天之后以“行为模式不当”为由将其开除。

GitHub 解雇犹太裔员工引争议GitHub 解雇犹太裔员工引争议

该员工将自己的遭遇向媒体曝光,并匿名接受了 Business Insider 的采访。据这名员工称,他之所以在 Slack 频道中发布那样的消息,是出于对居住在华盛顿特区的同事们的关心,认为这是基本的言论自由。因为其犹太裔的背景,他表示自己非常抵制某些与新纳粹组织类似的暴徒行为。

而在这件事情曝光后,已有大约 200 名 GitHub 员工联名上诉,要求公司公布解雇这名犹太裔员工背后的真实缘由。GitHub 首席执行官 Nat Friedman 对此做出回应,表示公司已于上周对该员工的离职经过展开积极的调查,并将在彻底调查结束时采取适当的行动。

更多linux咨询请查看www.linuxprobe.com

  • 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