西奥多·罗斯福:勤奋地生活

摘 要: 19与20世纪之交,资本主义社会人欲横流,骄奢淫逸、贪图享乐之风蔓延。作为一个狂热的爱国者,罗斯福在芝加哥发表了一系列以“勤奋地生活”为主题的演说,忧国之情,溢于言表。旨在遏制当时的丑恶现象,如今读来也有深刻的现实借鉴功效。
先生们:

  你们是西方最大城市的公民,是产生了林肯和格兰特的国家的公民。你们卓越和杰出地体现了美国性格中最具美国特色的一切。在向你们这样的人物讲话时,我想谈的不是苟且偷安的人生哲学,而是过勤奋生活的道理——过艰苦奋斗的生活,劳动、竞争的生活;我想谈那种最崇高的成就,即贪图安逸之辈与之无缘,而不畏艰险、不避劳苦从而获得最大的辉煌胜利的人才能取得的那种成就。

  胆小的人,懒惰的人,不信任祖国的人,丧失坚强斗志和英勇气概的“过于文明”的人,愚昧无知的人,对“胸怀大志的铮铮铁汉”亦为之动容的巨大鼓舞力量也无动于衷的、麻木不仁的人——总之,所有这些人都闭眼不看国家正在承担新的责任;闭眼不看我们正在建设能满足我国需要的海军和陆军;闭眼不看我们正在世界事务中尽我们自己的一份力量;我们英勇的陆、海军士兵把西班牙势力逐出了美丽的热带岛国,恢复了那里的秩序。还是这样一些人,他们害怕过勤奋的生活,害怕过惟一真正有价值的国民生活。他们相信与世隔绝的生活,那种生活会消蚀一个民族的吃苦耐劳美德,正像消蚀一个人的吃苦耐劳美德一样。不然,他们就沉湎于惟利是图、贪得无厌的泥潭而不能自拔,认为经商致富乃国民生活之根本。殊不知,经商致富固然重要,但毕竟只是造就真正伟大国家的许多环节中的一环而已。物质繁荣来自勤俭,来自干劲和事业心,来自工业活动领域中的艰苦努力;任何国家,如果没有深厚物质繁荣的基础,都不可能长久生存下去;但是,如果仅仅依赖于物质繁荣,任何国家也永远不会成为真正伟大的国家。不错,一切荣誉应当归于物质繁荣的设计师;归之于创办了工厂和铁路的实业巨头;归之于那些为了富裕而殚精竭虑、不辞劳苦的强人;国家大大感激这些人以及诸如此类的人。但是,我们更感激那样一些人,他们的最崇高典范应当到林肯那样的政治家和格兰特那样的军人当中去寻找。他们以自己的所作所为表明,他们深谙工作的法则和斗争的法则;他们含辛茹苦,使自己和家属过上了富足的生活;但他们懂得还有更崇高的责任——对国家的责任和对民族的责任。

  因此,我的同胞们,我对你们要讲的是,祖国要求你们不要过安逸的生活,而要过艰苦奋斗的生活。20世纪已赫然在目,它将决定许多国家的命运。假如我们游手好闲,虚度光阴,一味骄奢淫逸,苟且偷安,假如我们在你死我活的激烈竞争前畏首畏尾,裹足不前,那么,更勇敢、更坚强的民族将超过我们,并将赢得统治世界的权利。因此,让我们勇敢地面对斗争的生活,下定决心卓越而果断地履行我们的职责;下定决心不仅在口头上而且在行动上坚持正义;下定决心做既诚实又勇敢的人,脚踏实地地为崇高的理想而奋斗。最重要的是,只要我们坚信斗争是正当的,就让我们不要逃避斗争,不论是精神的或物质的斗争,国内的或国外的斗争;因为只有通过斗争,通过不避艰险的努力,我们才能最终达到真正伟大国家的目标。


西奥多·罗斯福简介:

  西奥多·罗斯福(1858年10月27日-1919年1月6日)美国军事家、政治家,第26任总统。曾任海军副部长,在西班牙战争前主张作战,并在战争中成为英雄。1900年当选副总统。1901年总统威廉·麦金莱被无政府主义者刺杀身亡,他成为美国总统。在他的总统任期内,主要对美国的贡献是资源保护政策,他保护了许多国有森林、矿产、石油等资源,因此受到美国人民爱戴。他在美国对外方面,主张实行扩张政策,建设强大军队,干涉美洲事务,他曾实行过着名的大棒政策,对弱国家态度十分粗鲁。在日俄战争中,他因调停战争而获得1906年的诺贝尔和平奖。他卸任後的1912年,他与共和党意见有分歧,于是脱离共和党,代表进步党参选总统,企图东山再起,但败于美国民主党的候选人伍德罗·威尔逊。 
 

转载于:https://www.cnblogs.com/lanzhi/archive/2011/11/27/6470945.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