上司的教导

       2012年12月11日,来到公司将近4个月了,从原来的满怀信心和充满斗志的心态到现在的意志消沉。公司拿来项目,一看很多东西都不会做,只好去问同事,去问组长,不断的问,但是人家讲了几遍,总是记不住,或者说总是不知道怎么去灵活运用,难道是我很笨吗?不是,有点都不是,至少我是一个有正常思维的人,我能读高中,能读大学,就说明我一点都不笨,我只是懒,总是去问了人家,问了人家的知识点又不记下来。那怎么可能有进步,我创建博客的目的不是为了发表什么伟大的观点,我只有一个目的,那就是记录新找到的知识点和问同事的不懂知识,有空就拿出来看看,这样才能记住和会用,不用总是去问人家重复的问题,那样的话总是被人家鄙视,人家真的会不耐烦的。

      今天被组长批评了,其实说实在的,也不算是批评,因为我和另一个同事都是组长招进来的,说真的,他对我们真的很负责任,用心用力的去教我们怎么做,不只是技术,还有做人。就比如,有时候我有个坏习惯,组长讲我的错误,那已经错了,在反驳也没有多大的意义,我何必再去反驳,我有必要再去反驳吗?我应该做的是认真听仔细错误在哪?去找找为什么错,记不住就记在书上,下次遇到就不怎么会犯了。所以今天组长说我了。其实我很感谢他,因为对于我这种经验很少的人,第一次遇到这种很负责人得上司,不只是技术,还有做人。我觉得我应该努力去做,最少不能让他因为招我们进来后悔。

      今日遇到的是编码的基本功问题,就是写的代码太丑了,一些没必要的,不需要的就不要。还有能尽量减少代码就减少代码,要做到美观,精简。以后还要多练啊.多多控制这方面的问题。

      今天真的是有意义的一天。虽然被批评,被教导,但是至少让我开一点窍。

  • 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