滴滴员工怒斥:年度最垃圾团建,行政是嫌大家平时上班太闲了?

前言:团建一般指团队建设。是指为了实现团队绩效及产出最大化而进行的一系列结构设计及人员激励等团队优化行为。成立一个团队,团队建设必不可少。在现在的职场比较普及的团队建设一般有:户外拓展、聚餐、小游戏……等等。

在高强度工作下,无论公司规模大小,HR或部门主管都会时不时发起团建活动,让员工能够放松一下,促进同事之间的感情和沟通,但是有个奇怪的现象:员工似乎提不起什么兴趣,一副无力吐槽的模样,有的参加完请假的请假,走的走。一下子领导者的心凉了半截,行政部门更是苦恼不已...

滴滴员工怒斥:年度最垃圾团建,行政是嫌大家平时上班太闲了?

 

在互联网职场论坛,一位职场人发帖感慨到。滴滴某部门的团建可以评一个年度最垃圾团建了吧?大周末的让人爬野长城,20多公里一直爬到凌晨。还有困在山上报警被救下来的同事,行政到底是咋想的?是嫌大家平时上班太闲了?这样的吐槽也是瞬间引起了网友的围观与议论,我们先来看看网友都是怎么说。

滴滴员工怒斥:年度最垃圾团建,行政是嫌大家平时上班太闲了?

 

有网友就骂到。真的太垃圾了,以后都不想参加公司团建了。麻烦以后我司行政在做这种团建安排前,去实施勘测一下吧,说好的7公里能变成20多公里也是牛逼。

有网友就说到。行政可能觉得你们身体素质差,让你们多锻炼吧。这种团建的意义在哪?不像我们,团建一般都是吃一顿,你们这是受苦。吃一顿好,不过外出的话工作日也行。看到最佳评论,团建成团灭。团建有啥意义,浪费钱。怕你们猝死公司赔偿,末尾几个估计要被劝退了。团建不都是吃吃喝喝么?爬野长城是怎么想的?滴滴适合我啊,我就喜欢团建出去玩的,不喜欢吃饭。筛选一波能团建回来的,就不怕猝死了。

也有网友说到。团建爬长城没有错,错在于团建不应该注重结果,而是关注过程。团建的目的在于团队之间感情培养携手能力而不是过多的以结果为导向。我们团建,自己出钱,一个人至少4000!周末的团建活动一律不参加,你成功把我逗笑了,这个团建有纪念意义吧。

也有网友吐槽到。7公里的直线距离吧,团灭了就不用给补偿了。滴滴国际化团建了解一下 公司周边轰趴 永恒不变 其他公司的都是出国,可能觉得你们迷路了,也能叫得到滴滴吧。没一点风险意识,人员伤亡怎么办,凡是要爬山的团建我一律不参加,我也有血的教训。

滴滴员工怒斥:年度最垃圾团建,行政是嫌大家平时上班太闲了?

 

也有网友分析到。团结这是给上级看的,意在选拨野外救生人才,公司下一步要搞个这项目。我们也出现过,导游请那种教练,最喜欢往偏的地方走,最后一天走了几十公里。我司也做过,听说半夜走不下来。神奇的是,没几天后他们还一起开座谈会,歌颂伟大的拼搏精神。也周末团建爬山,还要给领导陪笑脸,还有过团建到凌晨两点第二天周末还加班的,每次一听到团建内心就在颤抖…

我之前公司,天天加班,累成狗,团建老板想省钱,带着大家去爬山。这属于事故了,还好没有出危险,行政该被开了。团建最好就是带出去休闲放松的项目,旅游吃饭都行,别动不动拓展训练。

滴滴员工怒斥:年度最垃圾团建,行政是嫌大家平时上班太闲了?

 

看完网友这么多网友对团建的吐槽,笔者最后再总结几句。

对于组织团建,很多公司的HR都是吃力不讨好。为什么同事们对团建反感——我费尽心思准备行程、物品等等,你去玩就可以了,又不损失什么,凭啥反感啊?团建是道菜,做得不好吃,并不是这道菜的错,而是没有把它做好的原因。如果单纯的认为团队建设就等同于拓展训练,或者等同于团队娱乐活动。那笔者建议还是别组织的好。

当然,虽然“团建”被不少人吐槽,但不得不说,团队的建设确实是提高一个团队、组织的效能和绩效非常重要的手段。

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