软件工程概论课总结

  软件工程概论课已经结课了,回忆起这一学期感慨颇多。最终还是没有完成学期开始时候的小flag,回想自己的学习生涯,好像都是这样的结果。原因有好多,老师说是没有危机感,不知道自己要做什么;自律性比较差,感觉自己也不是特别贪玩,但就是比较容易浪费时间,养成一拖再拖的坏习惯。这个寒假下定决心一定要改掉这个坏习惯,不在拖沓。

  王老师讲课是非常有激情的,也是非常的用心。老师从来不带扩音器,但教室的每一个角落都能听的清清楚楚。教课内容主要是根据构建之法做的ppt,内容覆盖了做一个项目完整的流程。老师讲课非常地生动,有时候手舞足蹈地,不但能够吸引学生的注意力,而且强化了需要我们记住的重点。特别喜欢老师上课举例子跟我们分享一些他知道的IT行业的小故事和自己亲身经历的事,这样能开阔我们的眼界,提起兴趣,了解到哪些错误是新手做的时候经常犯的,以后就可以有意识的避免这些问题。老师还要求每个软件工程系的学生都注册的博客园和GitHub账号,感觉这个工作是非常有意义的。学生从上面不但可以获取到很多的最新的信息和技术,找到常见问题的解决办法;还可以把自己的学习历程记录下来,总结自己遇见的错误和一些小项目的开发过程及在GitHub中开源自己的小项目。正如老师所说,我们这个行业没有人会去看你的成绩单上考了多少分,自己的学习历程和自己做过的项目才是真正的干货,到时候直接拿出来,别人就能看到你切实的进步。

  在谈软件工程概论课的作业,老师留的作业是真的多呀,感觉比别的所有科目加起来都多。作业感觉主要是多了记录项目开发过程,记录周总结等一些发表博客的作业,其实这些作业都是习惯养成类的,养成记录和总结的好习惯后,也就不感觉是负担了。但是自己最后的几次周总结还是拖到后边才补的,补的时候非常的痛苦后悔,其实自己也做了东西,但是当时犯懒没有记录下来,后边补的时候只能早早了事,没有起到应该有的效果。以后要养成总结记录的习惯,这样才知道自己做了什么,毕业后才知道自己能做什么。

  团队项目我们做的博客小助手,这个部分感受挺多的。

第一:确定项目做什么的时候,我们一直想创新,想实用,但是最后好像忘记了我们要锻炼的能力,老师一直强调的能力是独立完成一个javaBean+jsp+servletmis系统,但是我们项目做的方法好像跟这个没有太大关系。总结:做团队项目时所有的创新还是要在比较扎实的基础上进行,不能把一个单独创新的点子拿出来做东西,而是要补在现有的成熟的东西上。那些创新的单点还是自己空余时间做吧。

第二:团队项目构思完后,开始确定框架时,一定要尽量的写全,写正确,方法统一,软件的统一。我们这次最开始也写了大的框架,但是出现了一些小问题导致浪费了很多时间:

1.开始写完框架后,有一个地方变量名的书写有点错误,导致连接数据库和后边方法调用有了问题,以后要仔细。2.其他三个人数据库都用的mysql,我用的SqlServer,本来以为只要把连接的部分和value的方法改了就可以了,但是后来才发现表名命名的方法也不一样,sqlserver中表的名字不能用全数字。3.数据库软件不一样,那可以直接导入数据库的文件也就不可用了。

第三:要预估好团队项目的大概工作量,合理分配好工作内容。像我们这个项目,这点做的就不太好,由于是四个人,所以我分了四块:功能一(进博客)、功能二(查博客)、做界面、测试和优化。选到最后剩下了一个测试和优化给我,后来我就发现这个部分好像没有什么必要。每次我要等其他成员写完一部分后,然后拷给我,我在把他们代码和在一起,这时候就发现问题了,本来我想的是花很短的时间和代码,把主要精力放在找错误和优化方法上,实际成了把时间都花在和代码上了。每个人有的地方变量名有小改动,而且也没有注释,我就要一点一点理解然后慢慢调试,还不如直接让他们两个和代码。总结:像现在这样小的团队项目,没有必要单独分出测试优化部分,不如自己测试自己的部分,在讨论谁的哪个部分需要优化,然后在由写代码的人去优化,这样效率还比较高。

  最后给老师的建议:

1.软件工程概论这种理论课,尽管老师上课讲的热闹,但好多时候都是讲完了就忘完了,希望老师每节课!多留出一点时间!做一些小测试来加强学生的理解和思维。

2.不一定非要最后节课在一起总结,可以在开课两周或一个月做一次小总结,这样可以减轻学生最后考试周前的负担,还可能提起学生的危机感,课程都已经过了一半了或者多长时间,自己学到了点什么。

转载于:https://www.cnblogs.com/ssyh/p/8278697.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