我的入伍前的生活回忆录(一)

    我现在大二,就读于一本专业金融工程,也是一名即将入伍的新兵。我不知道两年后的我会有什么变化,也不知道两年后的事情会怎样的变化,我想把入伍前的自己通过回忆的方式记录下来,两年后再回过头来,看看现在的自己与两年后的自己有什么不同,也算是对自己以前生活的一个记忆保存。
    我的哥哥在高三毕业的时候是想去当兵的,因为高考成绩不理想,家里就让他出去外面打工了,他也就没有走上参军的道路。现在我有时会埋怨父母之前不让哥哥去当兵,当我跟他们说我要去当兵的时候,母亲总是不耐烦地说,你马上就可以毕业出来找工作了,当什么兵嘛,出来找钱啥的。生性倔强的我不赞同母亲的说法,哥哥已经失去了当兵的机会了,我不能再被阻挡,我要实现哥哥曾经参军的梦想。再者,参军可以给家里减轻负担,父母之间的争吵其实影响最大的就是家里年迈的爷爷奶奶,我参军的话每年还可以给爷爷奶奶一笔生活费,让他们不那么累。有老师建议我考研的时候考军校一样可以实现军旅梦,起初我信了,但当我看到学校的征兵横幅再次挂出来的时候,澎湃的心情难以抑制,考研意味着两年后,两年后考上与否未知?两年之内还是跟书本打交道?与其寄希望于未来,不如现在就出发吧!当我真正报名了之后,发现在部队里也可以考军校,而且自己是有优势、有能力的,就看自己是否愿意付出代价与努力。
    很多人跟我说,当兵很苦、很累,一切都要绝对服从命令,不然有你好果子吃。也有人跟我说,当兵能让你成长不少,当兵后悔两年,不当兵后悔一辈子。我想,这个答案还是得自己去解答,两年后的自己再来回答这个问题。有一点是可以确定的,正值青春年华不去当兵的话,以后都不会有机会了。
    我喜欢那种一天训练的生活,喜欢让自己累。很高兴,我报名参加了我们学校的一个预备兵役训练,这也会让我提前掌握部队里的一些动作、生活等,每周六晚上准时训练,我很期待明天的训练。
    我不明白为什么很多大学生当了两年兵就回来了,他们为什么不考军校呢?我觉得既然去当兵了,就得有自己的一个打算,同样是两年时间,怎样增加时间的宽度、广度来学习呢?我想,一名军人的素质足以让我们应对部队的考试、训练等。这也是我未来两年的一个目标。目前我3千米能跑到12.07,还要加强腹部和手臂等军事训练。

  • 1
    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
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