社恐拧巴内耗,你想改变吗?

嗯,不知道怎么开头。就觉得我个人的经历对其他人应该也会有帮助,所以拿出来讲一讲。

就22年23年,每每见到很久没见的朋友 或者是过年回家,亲戚朋友对我说的印象最深刻的就是:你变了。

我很开心,我变了。变得侃侃而谈,变得从容自洽,变得自信。

在21年时,我是个什么样的人呢?单身,内耗,轻度抑郁。

21年之前的我,去姑姑家不敢叫姑姑,舅舅家不敢叫舅舅,甚至觉得这些词好拗口;在公司楼下遇见同事会纠结于该打招呼还是张装作没看见;跟异性说话,往往一不对劲两句脸红了紧张得语无伦次;甚至面试的时候,自我介绍都紧张的发抖,脑子一片空白;在会议上讲话就更别提了,还没轮到我就开始心跳加速。这些无数大大小小的事件,每一个都让我无比内耗,在医院确诊轻度抑郁之后,我不得不思考怎么好好活下去。我痛下决心一定要让自己摆脱内耗。

是的,我们要改的是内耗,而并不是社恐。如果如果你社恐,但并不内耗,只是不想跟人社交,同时也觉得没必要社交,能自洽的话,不影响正常生活,社恐其实也不一定非得改变。但大部分人应该都是无法自洽的,因为人是社会动物,学校与同学、家庭与情侣、职场与同事都是无可避免的社交。

那时候我发了一条朋友圈,叫做:你还要躲在社恐的壳子里多久?

于是我开始行动了。先是辞去了大小周加班内耗的工作,开始运动锻炼身体,开始写字,在三四个月里看了之前几年的书,大部分是心理相关的。开始思考我为什么会内耗,我看见了自己的敏感、自卑,在意别人的眼光。在后来漫长的斗争岁月里,我又陆续看到了过度讨好型人格,完美主义、害怕出错不敢尝试。

那段时间我正好想学游泳,自卑的我会想着:从来没去过游泳池,怎么买票?怎么进场?要带什么?怎么换衣服?会不会有人觉得我是个土老冒?会不会有人嘲笑我?我是真在意别人的眼光啊,我会想:呛水了会不会很丑很搞笑?被很多人看到的啊。

但其实事实是:就算是住在泳池旁边的人,也会有第一次来游泳馆不懂流程而闹笑话的情况,就是有很多的人学游泳都会呛水,呛水是再再正常不过的事儿。

完美主义。现在游泳会不会太凉啊,要不等热一点去吧?现在夏天人是不是很多啊,要不等人少时去吧?永远在等时机,永远难以行动。

我决定改变自己,鼓起了极大的勇气,来到游泳池,去面对未知,直视恐惧。我确实在大庭广众之下呛水了,不停的大咳,但是别的新手也一样呀!!三个礼拜后,我学会了蛙泳。行动起来,会发现,这一切没那么可怕,可怕的黑色怪兽原来只是一块小石头远远的投影

学会游泳这事给了我极大的鼓舞。我开始尝试跟我感兴趣的陌生人交谈,从一个两个开始,从线上到线下。后边学驾照,认识了一女孩,在纠结与内耗许久之后,默念几句:面子有屁用,被拒绝了也不会死!于是鼓起勇气问了微信。

自卑会让我问自己:配得上她吗?完美主义会让我每次想约会的时候冒出来,一次次逼问我:现在下雨合适约会吗?等一个好一点的天气吧。现在的时机适合约会吗?要不等我们俩微信再聊熟悉一点吧。思来想去,等等等!越等越无法脱单。我知道我需要一股莽夫之勇,往前冲就是了!

在尝试了很多大小事情,也经历了恋爱,以及工作的锤炼之后,我的自卑,我的完美主义,我的讨好形人格在一点点消失。我不再内耗,自洽之后,睡眠质量见长。

我想,若是上大几十上百人面前我肯定还是会紧张的。但这已经是个人都会紧张的场景吧,但若有需要,我肯定能面对。

随着自我的突破,领导或许是看见了我的潜力,又或许是我的运气,总之23年的时候我当上了小主管。有时候要给组员开会,有时要面试新人,10人小团队的场合,我已经完全不紧张了。是的,我想我又改变了。

这些经历告诉我,向内打破,真的是成长。

总结一下吧。第一步就是区分一下我们的社恐有没有给我们生活造成严重的影响,就是说是自洽的还是内耗的。如果自洽的不做改变也是可以的,我们要改变的是内耗的这种状态。

如果社恐导致了内耗等一系列问题,第二步我们要做的就是下定决心,这是一个漫长的过程,一定要有决心。

下定决心改变之后,我们需要思考自身内耗的本质是什么?也就是我们需要认识自己!认识自己这方面,可以通过阅读大量心理书籍以及非常优秀的前辈给你的评价,认识自己的优点,也认识自己的缺点。比如我社恐的本质就是自卑、完美主义、讨好型人格也让我在社交中很累。

认识自己之后,针对性的在现实生活中去历练、去锻炼,当然这需要非常大的勇气,头破血流的勇气!失败了也往前冲!加油吧!

  • 3
    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。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