撞车之后,不要傻里傻气的!


    1,对方全责提出私了1500,你死活不干,要求走保险,又是吵又是闹又是折腾,定损2200,修理厂要求2400,自掏200.
如果你同意私了,拿1500,报保险自己全责,车照样修好一文不掏白赚1500,第二年保费增加800,赚了700


    2.撞伤一人,送医院,被家属打骂,垫医药费8000。回家洗洗脸上的血痕。回头家属要求加10000私了,否则不给你医药发票,保险公司说没发票不给你报销,哦或。悲剧。其实你可以不去医院,现场等待交警出具处理意见。垫医药费就说炒股亏了,现在还欠起外债,等家属告你,告完保险公司全赔,皆大欢喜,你甚至不用出现。


    3.撞车了,后面堵起一排车狂按喇叭,对方说我全责,我们退到路边处理,于是停到路边,结果对方马上变脸,说你丫的全责,这时候才想起应该先手机照相。


    4.老公指挥倒车,自己一激动,油门当刹车,把老公双腿撞断,打电话给保险公司老老实实的上报,保险公司告诉你,老公不陪。。。。。其实你可以换个朋友的车撞。。你懂






    5.车子在4s保养,保养完了,高高兴兴去取车,哦或,倒车时油门又当刹车(为什么是又=。=!),撞的稀里哗啦,造成损失4000+,你郁闷的找保险公司,人家礼貌的告诉你,在修理厂发生的事故,俺们不陪。。。。其实你可以换个地方发生事故,比如小区内和某小树发生亲密接触,你懂。




    6.大雨天,早上去happy的去车库取车,发现车库被淹了,顿时泪流满面,赶快上车发动,让自己的车车逃离苦海,一点火,哦或,发动机打不燃。车没逃离苦海,你也进了苦海,4s店告知,发动机进水,报销,损失5w,你兴冲冲的去找保险公司,别个怜悯的看着你,小姐,驾驶员强行打火导致发动机进水,俺们不陪。————你不点火,发动机是不会进水的哦亲。


    7,在车上放了好多好多玩具,什么宝塔啊,香水瓶啊,小熊啊小猪啊。有一天差点撞到一个老太,一脚急刹车,香水瓶飞起来干到玻璃又弹到俺额头上。缝8针,玻璃费误工费医药费精神损失费共计3800,保险公司的接线员笑眯眯的告诉你,被车上物品撞坏不赔:如果车辆被车厢内或车顶装载的物品击伤,俺们还是不陪。


    8,周末天气好爽,正在happy的飙车,左方一大货车突然一盘子甩到你道上和你kiss了一下,你只有一盘子打到花坛上,你小心肝扑通扑通的隔了5分钟才安静下来,一看大货车早没影了,马上打电话给保险员把大货车狂决一顿,并表示想要修车,保险员遗憾的告诉你把负全责的肇事人放跑了不赔:当与其他车辆发生碰撞时,责任在对方,如果放弃向第三方追偿的权利,也就放弃了向保险公司要求赔偿的权利哦亲。——————其实你可以说,太阳晃花了我的眼,让我上了花坛,什么大货车?没看到~没注意。。。


    9,路上爆胎,左转右转稳住方向,不用打电话给保险公司了,别个不陪。




    10,停在楼下,上楼看了一集康熙来了,下楼一看,4个轮子没了,几块板砖给俺垫着,不用打电话给保险了,别个不陪。

posted on 2012-10-08 14:21 wnguh 阅读( ...) 评论( ...) 编辑 收藏

转载于:https://www.cnblogs.com/591wed/archive/2012/10/08/2715186.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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