学习计划

英语:

泛读(提高阅读、词汇)
|- 读英文原著小说,利用英语透析法,少查单词,每天2页
|- 圣经
精读(提高写作)
|- 每天积累一句雅思翻译或者GRE阅读之类的(待研究和筛选)
|- 或每天记录一句好的写作句子
听力
|- 目前没找到好方法,听老外说话或者听voa,新概念(待调整和筛选)

英文歌(提高听力和词汇)


 

技术:

业务
|- 公司业务


前端 
|- html5 css3 js jquery jqueryMobile


后台 
|- spring hibernate junit4

DB 
|- mysql sql优化 拆表(横向、纵向)


缓存 
|- redis

OS 
|- linux


架构->
关注InfoQ
UML


其他:

|-  公开课
|-  每隔一段时间去尝试一件新事物,可以是新技术,可以是唱歌、画画,可以是新知识(eg金融知识,互联网),锻炼自己的对新事物的学习能力
|-  不断的学习学习方法,调整计划



学习总结:

工作时间,高效完成工作的事情,遇到的问题尽量在工作8h内完成初步研究。
下班后,属于自己充电的时间,执行学习计划。
周末总结得失,写博客,调整计划,执行学习计划。













  • 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