最有异性缘的男性职业排行

     珍爱网(zhenai.com)在其一千五百万会员中,抽取了女性会员择偶时对男性的职业要求的数据,进行了一次大规模的统计研究,并发布了题为“从事哪些职业的男性对女性最有吸引力”排行榜,榜单前十位排名如下:

 

第一位:政府机关公务员   

第二位:商人                 

第三位:金融从业人员    

第四位:教师         

第五位:互联网/计算机从业人员   

第六位:自由职业者       

第七位:军人             

第八位:建筑工程师       

第九位:职业经理人

第十位:医生      

 

     榜单中大多排位比较常规,如排在第一位的公务员,符合人们长期以来的传统认知,比较出乎意料的是“教师”和“军人”这两个职业的排名,都远远高于“职业经理人”这一人们想象中 “抱着金砖”的行业。 

     一位在京的“北漂”会员孟小姐在接受采访时表示:“进入牛年我就29岁了,结婚后很想尽快要一个孩子,这就不得不考虑的远一点,比如孩子的教育问题。如果找一个教师做丈夫,不仅能够给孩子更好地言传身教,更能够对现在的孩子上学难的问题有所帮助。”而一心想做“军嫂”的王小姐,在接受采访时则把从小就有的英雄情结展现得淋漓尽致,言语中充满着对军人的崇敬之情。 

     针对本次榜单,珍爱网董事长李松分析:“这张榜单紧密联系着社会发展现状,我们通过对珍爱网女会员的调研发现,女性在选择结婚对象时,男方的经济状况成为绝大多数女性优先考虑的条件,在能够保证婚后相对舒适的物质生活的前提下,女性开始关注的更加深远,除了工作的稳定性以外,‘实用性’也成为了考虑的要点,比如教师行业的领先就说明了这一点。而军人职业的排名,我们在后台数据中能够很明显地看到,地震期间,选择‘军人’为偶的女性数量明显增加,相信在这次大灾中,军人的杰出表现赢得了更多人的尊敬和好感。至于‘职业经理人’的排名,在金融危机之前,这一职业的排名为第五位,金融危机之后,很明显滑落了,原因不言而喻——赚的或许多于其他行业,但是不够稳定,现在的女性更渴望安稳的婚姻生活。” 


转载于:https://www.cnblogs.com/eoiioe/archive/2009/02/07/1385716.html

  • 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
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