2021-02-27

昨日,梦到自己又回到大学的课堂读书,同学依然旧时模样,在宿舍整理床铺,准备开学考研。
自己满心忐忑,怎么又回到大学读书,不是早已混迹社会,养家糊口了吗?
同样的上学梦,不一样的细节,不知道是否心中遗憾,一直潜意识的告诉自己,你没有完成自己该做,却没有做的事。
醒来整理思绪,大学毕业17载,心中执念太深了,暗暗对自己说,不如今年抽出时间,考研完成夙愿,也许再次进入大学学堂,与一群小弟弟小妹妹共同学习。
想当初,在大学里,确实没有好好学习,重要原因是自己虽然考的大学是个211,但是初进学校给我印象,实在是与心中期待的相差甚远,加上老师与学生间没有什么情感交流,连熟悉的陌生人可能也算上,能叫的出名字的老师不出两个,自己就没兴起好好学习的念头。四年时间,尽然毫无建树,浑浑噩噩的度过,正是因为这样,才让自己内心留下了遗憾。现在想来,自己实在不应该因为外界因素干扰,导致自己一蹶不振,怨自己没有看清楚,看明白,没有调整好自己。
好了,提升自己,不能再让自己陷入重复的内疚中,定个目标,上个研究生,全日制的。

  • 5
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    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 7
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

打赏作者

秋风之刀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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