母校的情怀


母校的情怀 文 | 宁宇


  “什么是母校?就是那个你一天骂他八遍,却不许别人骂的地方。”这句某论坛发出的帖子,从华中科技大学李培根校长口中说出后,红遍全国。这不仅因为“根叔”身为院士如此接地气的话语,受到广大学子的拥趸,更因为这句话道出了大家的心声,引起了大家的共鸣。


  微信的普及,让久未联系的中学同学们又聚在了一起,听说母校要拆迁了,我和小伙伴们相约回学校,在校门口被保安拦住不让进。我们拿出珍藏几十年的毕业合影解释:我们是校友,只是想在学校拆迁之前再来看看母校。


  我是初中高中连读在一所学校的,一下子在学校呆了六年,有的同学初中就离开,有的同学高三才来。除了在学校的时间有差异,在学校里经历多少事儿,也是影响学生对学校的感情的重要因素。人是有感情的动物,对一个地方的情感并不是与生俱来的,而要通过一件件的事情积累起来。对于我这样积极参加学校活动、与学校一起面对过困难和大事件的,对学校的感情自然更深。


  爱之深的同时也有恨之切。在校时对学校有太多意见,衣食住行,处处不顺眼,我们当年也一样,从食堂的伙食,到存车处的管理,还有老师的态度、作息的安排、操场的养护、教室的桌椅,都可以成为吐槽的缘由。身在其中,对缺点和不足看得更清楚,言语也不客气,现在想来甚至有些遗憾:当年没有BBS,没法把我们对学校的痛骂保留下来。


  可是在校外,每当听到别人说母校不好的时候,我一定会据理力争,竭力维护学校的形象,这种态度,三十年如一日。


  在学校呆了六年,就会和学校有很深的感情。那么对于我这样一个在中国移动工作二十年的员工来说,对这个企业的感情该有多深?


  无论是以前的邮电部移动通信局,还是省通信管理局旗下的移动局,我们有一个共同的称谓:“老移动”。这是一批与移动共成长的人,最初也许并不被看好,但移动通信的大发展成就了我们,更锻炼了我们。多少事情从无到有,多少成果历历在目,这段共同成长的经历铸就了“老移动”对企业的忠诚度。


  后来,中国移动成了行业大哥大,成了世界一流企业,万众瞩目,吸引各方优秀的人才加盟。就像一所名校,既有从学生时代自己培养起来的老师,也有外聘来的教授,还有只想混个证书的访问学者,投入的感情不一样,对学校的责任心和荣誉感完全不同。


  当企业高歌猛进光芒四射的时候,员工可以提升能力、收获成就感,经济收入方面也不错;可企业大了就容易患大企业病,本该灵动前卫的TMT企业却臃肿、缓慢、官僚,让人越来越不适应;而当企业遇到重重问题的时候,又会有多少人愿意与之一起共度难关呢?


  员工把企业当作打工的场所,当企业对自己失去价值的时候,就会选择离开,这种行为无可厚非。但是对于那些对移动有着感情的人来说,看着企业在风雨飘摇,心中的感情是很复杂的。看到自己为之奋斗的企业如今成了千夫所指的“奸商”,老移动会有更多的怨气,会比别人看到更多的问题。可是光骂能解决问题么?更多的时候,吐完槽后再回去默默地工作,打落的牙齿咽到肚子里。


  感谢你能一直读到这里,我相信你已经理解了,移动就是我的母校。对于我来说,这就是一个“自己可以一天骂他八遍,却不许别人骂”的地方,明明自己对企业也有许多不满,可以换了外人,连说说都不行。


  中国移动的人心齐、素质高,这是企业屹立不倒的重要基石。所以,面对一波一波对移动不利的舆情风波,包括自身利益受损的事情,我心里再不好受,也不愿意在公开场合传播负面情绪。因为我明白,中国移动树大招风,传播扩散出去的信息,其负面会被有意无意地放大,当看到我们内部的牢骚、讨论,被挑拨离间者利用,既动摇了军心,又给企业形象进一步抹黑的时候,那些把内部矛盾公开化的移动员工,你们怎么想?难道这是你们希望看到的局面么?


  我不能期望所有人都和我一样对移动有深厚的感情,不能要求所有人都和我一样愿意为了企业牺牲个人利益;但是我希望大家能体会到那种荣辱与共、同舟共济的感情,以及成功之后的欢乐与荣耀。如果人生中有过这样的感情经历,那是一种幸运。所幸,我体会过。


0


  • 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
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