2020年鼠年初之小感

         新型冠状病毒、科比坠机逝世,刚开年1个月,就接连发生这两件触动全民的事件。

         大家都在说流年不利,还听说这是鼠年60年的轮回,还有.................

         老鼠这个生灵,就如此这般的再次被赋予“瘟疫”代言的色彩。

          也谈谈自己的感触。

          先说这场病毒。

          一种普遍的民愤是,大家认为这是人类破坏环境及吃野味之因果,对人类的报应...........不过我倒觉得,有这种想法的人们何尝又不是把人类自己作为这个世界的主宰,以自我为中心的去思考这个世界。

          如果真有因果,那相比曾经地球霸主的恐龙,何故一夜灭绝?它们难道做了比人类更不可原谅的因?

         真正的客观本质就是病毒一直是人类未攻克的课题。

         从近期非洲埃博拉,到早期欧洲的黑死病,以及最早物种迁移,最具破坏的就是几个大陆之间的病菌迁移,欧洲白人无论是到澳洲,还是都美洲,都会造成本土生物因为病毒的大范围死亡,当年攻克美洲,印第安人并不是战败,而是80%以上的印第安人死于白人所带来的病毒,当然这些欧洲侵略者也是被美洲的病菌所毒害,80%死于病毒,物种大迁移的过程,并不是人们找到了解药,而是只有那10%-20%自带免疫力的群体活了下来,从而适者生存继续进化。 

        第一次经历2003年的SARS,我天真的以为以现在的科技,那很快就会有疫苗,然后一切搞定,没想到SARS并不是研发出疫苗,而是以一种隔离自生自灭的方式,那与当年欧洲黑死病,一个村子的所有人都死亡,国王下令掩埋,焚烧,周边区域封闭多年有何区别。  当时是第一次身临其境的感觉到人类的渺小。

        这次新型冠状病毒,比SARS差的远,没有什么可恐慌,再说如果大家一起公平的奔赴黄泉,你又有何遗憾可言?

         也许未来有一天,世界的再一次洗牌不是核武器,是病毒或生化武器,80%-90%的人类会被某种特性病毒传染病致死,而留存的是那自带免疫的群体。但无论怎样,人类远比病毒顽强,总有10%的比例比病毒变异的更快。让人类得以延续。

         尤瓦尔·赫拉利的《未来简史》里提到,人类有一天会攻破物理、基因、病毒等科技,那个时候人类对世界的认知及改造能力已进化到神的程度,可以青春永驻,对一切微观病菌执掌 ............不过那个时候人类应该真的以另一种形态存在,也许那时候不应该再称为之人类,人们可能真的活成了现在神话中的“神”。

         从宇宙学角度,地球都可忽略不计,而作为地球中可忽略不计的个体,微小到只有自己认为自己重要。 看开,随心,让自己这渺小而短暂的一生,过得让自己觉得有意义有价值就好。

        再说科比

       我这辈子曾经有4件事痴迷,

                1、女人,这是人类动物本性使然;  以现在的年龄荷尔蒙估算,可能还会有欲望10多年吧。

                 2、汽车,从小就买汽车杂志,从后来的持续关注,到后来发现短期买不起懒得关注,到后期随着人性和自我的了解,知道一旦有足够的财力得到,瞬间就会失去原有的兴趣。

                 3、游戏,早生了几年,否则绝对是中国第一批职业玩家。

                 4、NBA,持续关注,每天都会去新闻网页去刷几遍。 从未间断。

        乔丹时代算是赶上一个尾巴,乔丹球看的不多,更多的是他强大的市场所宣传的魔力以及各种经典回放及镜头中,真正我开始看球是科比、艾佛森、加内特、邓肯...........

        科比这一代球星真正陪伴我的青春一起成长,所以很多人的心中科比的离去,是70后,80这代人青春的彻底告别,大家在与自己内心的回忆在告别。

        而这一辈人,现在正值社会中坚,上有老,下有小,大家都被生活的艰辛压得不堪重负,科比的离去就像是一个导火索,那一瞬间释放出全部情绪,大家在跟青春版的自己告别。

       27日早上得知这个消息,完全不认为这是真实的,就像当年姐夫去世接到电话的那个早上(41岁喝酒心梗去世),去出殡火化后的一周,我都不认为这是真实的,因为在惯性思维中,这是不可能的,完全不符合客观规律,但它就是发生的,需要去面对和消化。对于科比,两天过去了,我倒也接受并恢复平静,甚至觉得这完美的收场何尝不正是科比的风格。完美的职业生涯,完美的最后一场,在人生最巅峰的时候,将一切划上终点,从此他在人们心中定格在最完美的一瞬间。  科比这一生,不一直充满了戏剧性,如果说在此之前人们提到科比,还总是说这是最接近乔丹的男人,从那一刻定格开始,他跨越一切并再无可能被后背所超越。科比终于变成了独一无二的永恒经典。希望他在那边一切都好。

        

          人生不如意十有八九,当开始开始承担责任和重担,就会体验生活的艰辛,童年之所以珍贵,可能那是唯一一段无忧无虑,可以毫无顾忌挥洒、浪费的时光,但那并不是生活的本质,无知者无畏或者有人庇护,让你远离一段世界的本质,但你早晚需要去面对这客观的一切。 

           到了这个年龄,从探寻一切世界的客观本质,发现更需要的探寻的是自己的内心,因为即便你真的开始认知了世界的真实,你会发现你更多的时候是无力去改变,修为自我,修为内心,至少是每一个都可以即刻开始的,去看问题的角度,去看问题的心态,知道哪些有所为,有所不为.........  

           再回归到宇宙观,渺小到不能再渺小,且偏偏都以自我为中心的人类(每一个人),如果能认清自己,把自己这一世活的让自己认为有意义,有价值即好。

  • 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