和工作谈恋爱

转眼间从毕业后进入公司已经六年了,六年的亲密接触、倾心投入,与工作谈恋爱,幸福并快乐着。<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

 

爱之初体验

寻觅是恋爱的第一步。毕业之初我在网上“广泛撒网”,宁可错杀一千不可放过一个,终于有一天“众里寻她千百度,蓦然回首,就在灯火阑珊处”,朦胧、神秘的初恋彻底让我心甘情愿地被爱征服,“我就等着沦陷了,如果爱情真伟大……”

工作亦如恋爱。六年前刚迈出校园,带着期盼、想象进入了公司这个大家庭,一切都是那么新鲜、朦胧的感觉。新员工培训中各组的项目经理会描述着各自美好的蓝图以吸引优秀员工加盟:招投标产品体系、管理成本产品、购销电子商务平台……对于新生来说,这真是乱花渐欲迷人眼,这么多“媳妇”都想“娶”,看看这个又挑挑那个,在“自由恋爱、父母之命、媒妁之言”共同作用下,公司结合我们的特点及各自兴趣爱好,定岗定责,每个人的工作目标逐渐清晰,学习也逐渐由泛到专,技术为本,“我选择,我喜欢”,专业造就卓越。

 

恋爱进行时

“我的眼中只有你”是进入恋爱期的典型特征,甜甜蜜蜜,每天爱你多一点。进入工作状态的我发现与工作恋爱的感觉真好,我用几乎全部的时间来陪伴它,揣摩钻研,每天哪怕有一点小的进步和收获都会让我感到满足。充满激情地学习,享受获取知识的快乐,应用所学技能,使我长期保持着工作的积极性和主动性。

热恋期后,光靠爱之初的甜言蜜语是不够的了,还必须有配套的硬件和软件,物质和精神一起抓。工作中则体现在不断提高自身竞争力,除了专业技能、行业经验外,自我管理能力也很重要,需要对自己工作的计划、职业生涯的规划和人际关系等方方面面进行协调。

要想抱得美人归,还得打通各种至亲的关系通道,需要争得对方父母的同意,兄弟姐妹的赞许和朋友的支持。在工作中,领导是父母,同事是兄弟姐妹,客户是朋友,必须用产品立身和服务立业的态度去经营维系这层层关系。

 

爱情麻辣烫

恋爱不会只有一种颜色、一种滋味,正如一首歌唱的“爱是快乐的、爱是苦涩的、爱是悲伤的、爱是幸福的……”。相知容易相处难,恋爱难免会出现争吵,相处时间久了也会产生“审美疲劳”,再加上外界的种种诱惑,坚定地“将爱情进行到底”实属不易。工作久了,以前充满挑战的也不具有挑战性了,充满好奇的也平淡了,当初的热情也会慢慢消耗,甚至一度会觉得工作失去目标,价值判断失去标准,工作不再充满乐趣。工作中总会遇到低潮期,当工作压力很大,状态不佳时,试着给自己心理和生理都放个假,放松心情调整状态,走过短暂的阴霾迎接下一个蓝天。

工作中总能碰到令自己开心的事情,或许是一个项目的成功、同事的一句鼓励、领导的一句赞许,或是在现有工作中发掘出新的新鲜感和挑战,通过学习、分析、实践和创新去获得满足感,这些事情都会让自己更愿意继续的工作着。

 

和工作恋爱,做个恋爱中的宝贝,做快乐的工作者。

 

转载于:https://www.cnblogs.com/zhoujg/archive/2007/04/26/727802.html

  • 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