趁我酒醉后专车司机想要非礼我

沈罗美的博客

滴快车单单2.5倍,注册地址:http://www.udache.com/

如何注册Uber司机(全国版最新最详细注册流程)/月入2万/不用抢单http://www.cnblogs.com/mfryf/p/4612609.html

优步奖励低/不挣钱/怎么办?看这里:http://www.cnblogs.com/mfryf/p/4642173.html

打豪车应用:uber详细攻略(附100元优惠码:DL8T6):http://www.cnblogs.com/mfryf/p/4752167.html

网友来信:

沈罗美老师好,我是一个很普通的白领,在上海上班。老家是天津的,从小性格就是那种大大咧咧的,自认为自己是一个很胆大的女人,不过,自从我上周遇到了一件窝心的事情后,我整个人都不好了,很害怕,再也不敢一个人乘坐专车了。

以前我几乎很少坐出租车的,一般都是坐公交车,主要是因为出租车价格太贵,像我这样的小白领,一个月就那么点死工资,哪里敢做出租车啊!不过,也有特殊情况。上周周六时,我约朋友出去玩,喝了很多酒,回家时天下了大雨,公交车还没来。

我等不及了,想打出租车,又嫌贵,所以我就叫了一辆专车。因为是第一次用,新用户费用很少的,所以我就直接叫了专车。过了四五分钟后,一辆白色丰田轿车听到我面前,司机是一个男的,大约有四十多岁的样子。

当时我穿的是裙子,我一进去他就两个眼睛盯着我的裙子看,还说我身材好,是他见过的身材最棒的女人。我当时都不知道说什么好,就装作没听见,让他快点开车,我还有急事。他自从我上了车后,就没有消停,时不时地从车里后视镜里偷看我,眼睛很猥琐的样子。

我当时就感觉,是不是遇到了色狼啊!我心里提心吊胆的,就悄悄地打开了手机录音,也趁机偷拍了一张那个司机的照片,以防不测。我醉醺醺地坐在后排座位上,也不知道咋回事,司机选的路很偏僻,到了一个灯光很暗的地方。他说车坏了,要修一修。

我说既然这样,我就到这里吧,我买单,可是我刚推开车门,就被那个司机给推进了车里,我感觉不好。那个男人就扑在我身上,到处乱摸,想要非礼我。我吓坏了,使劲地用脚踢他,手也抓他的脸。慌乱中,我趁机逃掉了,那个男人在背后对我骂骂咧咧的。

回到家里后,我心有余悸,幸亏我福大命大,要不然真被那个臭流氓给祸害了。求助,怎么样抓住那个臭流氓司机?

沈罗美解答:

这种事情,建议你最好是赶紧报警,打110找警察。很多人在面对被陌生人非礼,甚至是暴力侵犯时,往往都选择沉默和忍受,不想报警,因为自己害怕名声不好,这种观念是非常错误的。

现在不管是普通的出租车司机,还是所谓的专车司机,他们当中肯定品行有好有坏,网上经常报道说,某某女孩被司机性*侵,甚至还有杀人的例子,看着都让人感觉毛骨悚然。尤其是那种穿着暴露,又十分漂亮的女孩子,更容易被对方盯上,所以女孩子们要注意了,保持警惕性和戒备心理。

你在车里有偷拍的那个司机图片,手机录音也是开着的,所以他非礼你的全程应该被完整得记录下来了。你可以直接拿着这些证据去报案,做完笔录,等待警察破案,那个司机应该很容易被抓住的。千万不要忍过去了,自己的权益要懂得保护,除非你认为无所谓。

 

滴滴快车历史奖励政策:含工作日和周末的高峰奖励、翻倍奖励政策(历史政策):  http://www.cnblogs.com/mfryf/p/4680054.html

 优步UBER司机全国各地奖励政策汇总:北京、上海、广州、成都、南京等所有城市:  http://www.cnblogs.com/mfryf/p/4708477.html

 

-----------------------------------------------------------------------------------------------------------------------

打豪车应用:uber详细攻略(附100元优惠码):http://www.cnblogs.com/mfryf/p/4430201.html

如何注册Uber司机(全国版最新最详细注册流程):http://www.cnblogs.com/mfryf/p/4612609.html

怎么注册成为滴滴快车的司机?:http://www.cnblogs.com/mfryf/p/4643434.html

滴滴快车奖励政策,最高2.5倍(持续更新...)http://www.cnblogs.com/mfryf/p/4669297.html

优步UBER司机奖励政策:含高峰、翻倍、行程、金牌司机、保底奖励(持续更新...):http://www.cnblogs.com/mfryf/p/4708285.html

优步uber司机申请了为什么一直没有通过审核,帐号也显示未激活,看这里:http://www.cnblogs.com/mfryf/p/4642248.html

优步司机不能绑定银行卡:http://www.cnblogs.com/mfryf/p/4642310.html

优步UBER司机全国各地奖励政策汇总http://www.cnblogs.com/mfryf/p/4708477.html

Uber优步北京第一组奖励政策:http://www.cnblogs.com/mfryf/p/4650640.html

Uber优步北京第二、三组奖励政策:http://www.cnblogs.com/mfryf/p/4650647.html

Uber优步北京第四组奖励政策:http://www.cnblogs.com/mfryf/p/4662997.html

北京Uber司机7月13日奖励政策更新:http://www.cnblogs.com/mfryf/p/4657783.html

成都优步uber司机第五组奖励政策:http://www.cnblogs.com/mfryf/p/4650522.html

成都优步第四组奖励机制:http://www.cnblogs.com/mfryf/p/4637043.html

成都优步第三组奖励机制:http://www.cnblogs.com/mfryf/p/4642395.html

6月29日-7月5日一/二/三组奖励政策:http://www.cnblogs.com/mfryf/p/4642208.html

优步司机如何提高评分、成单率、接单率:http://www.cnblogs.com/mfryf/p/4637059.html

成都优步uber司机一组与二组的区别:http://www.cnblogs.com/mfryf/p/4642308.html
优步司机app下载:http://www.cnblogs.com/mfryf/p/4642337.html

优步司机在使用中常见的问题与解答:http://www.cnblogs.com/mfryf/p/4637055.html

优步奖励低,不挣钱,怎么办?看这里:http://www.cnblogs.com/mfryf/p/4642173.html

转载于:https://www.cnblogs.com/mfryf/p/4857225.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