JIRA敏捷

敏捷是一种时间盒式的迭代方法,可以逐步构建项目,而不是一次性构建项目。敏捷是一种在整个软件中促进开发和测试的连续迭代的实践。

什么不需要敏捷?

  • 主持会议
    团队每天进行10-15分钟的频繁会议,他们认为频繁的会议将是敏捷的。但是,只有以下会议才会敏捷。

  • 需求随时变化
    需求可以随时更改,那不需要敏捷。例如,客户想要添加一些新功能并希望同时更新更改,那么这将不是敏捷。

  • 非结构化发展
    假设您没有遵循任何计划并且您正在开发Adhoc,那么它不是敏捷的,其中Adhoc测试,测试人员随机测试应用程序而不遵循任何文档和测试设计技术。

  • 没有文档
    如果公司没有制作文档,那么它不是敏捷的。

什么是敏捷?

敏捷是一种哲学,即一套决定开发软件的价值观和原则。
敏捷基于迭代增量模型。在增量模型中,我们以增量方式创建系统,其中每个增量都是单独开发和测试的。

下图显示了敏捷模型如何逐步工作 -

什么是敏捷

什么是价值?

在敏捷中,需要执行下表中提到的所有八个任务。但是,我们必须确保左侧任务的优先级应该高于右侧任务。

个人和互动过程和工具
工作软件综合文档
客户协作合同谈判
回应变化遵循计划
  • 个人和互动,优先于过程和工具
    假设团队在软件中发现任何问题,然后他们搜索另一个流程或工具来解决问题。但是,在敏捷中,最好与客户,经理或团队就问题进行互动,并确保问题得到解决。

  • 工作软件,优先于文档
    需要文档,但是更需要工作软件。敏捷并不是说不需要文档,但是更需要工作软件。例如,您有20页的文档,但您没有软件的一个原型。在这种情况下,客户端就会不满意,因为最终客户端需要一个原型。

  • 客户协作,优先于合同谈判
    合同谈判在制定软件预算时很重要,但客户协作比合同谈判更重要。例如,如果您坚持要求或流程,那么就不要签订我们已经协商的合同。您需要与客户互动,收集他们的需求。

  • 遵循变更,优先于遵循计划
    在瀑布模型中,一切都是有计划的,即,在什么时间,每个阶段都将完成。有时您需要在软件中间实现新要求,因此您需要具备多种功能才能对软件进行更改。

注意:根据敏捷方法,左侧任务应优先于右侧任务。

敏捷原则

  • 首要任务是通过尽早和持续交付有价值的软件来满足客户。根据敏捷原则,客户就是他们的一切。无论客户需要什么,他们都有任何问题或想要添加新的要求,他们总是优先考虑客户。倾听客户的意见,并为客户提供高质量的软件。

  • 它欢迎不断变化的要求,甚至在开发的后期。敏捷流程利用变革为客户带来竞争优势。在瀑布模型中,如果要在软件中间进行任何新的更改,则整个过程将再次完成。因此,瀑布模型是刚性的而不是通用的。敏捷可将这样的工作可以很容易地将新的变化整合到软件中。

  • 经常提供工作软件,从几周到几个月,优先考虑更短的时间尺度。在瀑布模型中,当整个系统开发出来时,只有它被传递给客户,而敏捷说不要等待太久,等待几周或几个月。无论您开发了什么都要向客户端演示,这样就可以向客户提供您在初始阶段正在开发的软件的每个功能。

  • 业务人员和开发人员必须在整个项目中每天一起工作。这意味着客户,客户和团队应该每天进行交互。
  • 围绕有动力的个人建立项目,为他们提供所需的环境和支持,并信任他们完成工作。敏捷相信你的团队,客户和公司。假设给团队成员一个任务,然后提供他需要的所有资源,如文档,系统,信息研究等。
  • 向开发团队内部和内部传达信息的最有效和最有效的方法是面对面交谈。假设有些情况需要与客户进行交互,开发团队通常通过邮件或电话进行,但最好进行面对面交谈。
  • 工作软件是进步的主要衡量标准。敏捷无论是通过文档还是项目经理所说的内容,开发或工作的软件数量都是进度的衡量标准。
  • 敏捷过程促进可持续发展。赞助商,开发者和用户应该能够无限期地保持稳定的步伐。敏捷说,让你的团队在交付时保持不变,这样团队应该有固定的工作时间意味着如果公司的工作时间是8小时,那么团队应该在一天工作8小时。
  • 持续关注技术卓越和良好的设计提高灵活性意味着团队成员在技术上应该是合理的,以便他们可以做出好的设计,如果做出任何改变,那么它们可以很容易地融入软件中。
  • 最好的架构,需求和设计来自自组织团队。无论架构团队进行何种设计,他们都确保他们与开发团队坐在一起并讨论软件的架构。
  • 团队定期反思如何变得更有效,然后调整并相应地调整其行为。这个原则说团队应该经常见面,以便他们可以讨论他们面临的问题,并且可以有效地解决。

  • 4
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

智慧浩海

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