"天缘杯"惠州之行

10月16中午到广州后,在火车站附近的KFC吃了顿最不饱的午餐,下午2:42坐火车到惠州17:30,在火车站门口测了一个GPS数据,打的到西湖大酒店已经18:00,抽签第二天的作品展示次序,抽到第三,本来以为这个位置好,明天到会场还可以再把地图完善完善,但后来才知道到现场后在紧张的气氛和别人精彩的演讲下根本就没心情再做地图了。晚上在天缘公司的班车上夜游惠州,但是晚上除了湖上的灯火其他景色基本看不见,后来公司帮我们买了车票,在他们的安排的节目后马上又要离开了,一直没时间好好的游玩惠州,就算是瘦西湖也没置身其中一睹真面目。夜游后回宿舍准备明天的表演,粗略地做了张简单的惠州地图。凌晨2:30睡。
17号早上7:00起,在酒店二楼吃了顿丰盛的西餐,有三文治,煎鸡蛋,炒米饭,小汉堡,豆浆,果汁,咖啡,蛋他等等。7:40到坐班车到公司总部。整个上午就是比赛,我们一队三个人都上台表演了预定的一出小品,可惜笔记本电脑的视频接口有问题,演示效果不能清晰地在投影上显示,ppt又做的不好,细节不够,后来评委的问题又没有好好回答,最后的了个倒数第二。中午在公司饭堂吃饭,正中的粤菜,久违的味道啊。下午颁奖典礼,有市政府和全国知名高校的教授老师出席,市新闻媒体也来了,主要是探讨高校和企业合作的问题,但是心情低落大多没听进去,只是觉得北大萧湘教授的讲话和他的名字一样有文采和电子科大团委领导的发言跟他的职位一样包含很多寓意。典礼后参观公司的工厂,设计部门等等地方。晚饭也在公司饭堂吃,饭后班车送我们所有参赛队员回酒店。晚上9;00进城带我们在附近的步行街走了一下,在超市买了一小箱特产梅菜。在附近找了间餐馆吃夜宵,炯终于吃到了梦寐以求的大闸蟹,饭后见大家都有点累,取消了不眠夜的提议。
18号起床见灿阳都基本收拾好行李了,他是坐飞机回去的中午就走。跟他聊了一下毕业设计的问题,他说必须在研二下做好除写毕业论文的所有准备(实验,资料收集等等),研三就用来是写论文和找工作的,否则到时会发现论文与找工作两冲突,苦不堪然,他有先见之明研二基本把论文工作准备好了,而且还在学报上发了些文章。早餐又是二楼的西餐,可是我去晚了,剩下的都是残羹,不过与学校饭堂的早餐还是天壤之别。8:45班车接我们参观大亚湾,这里的炼油项目数以几百亿计,正如这里海水瓣浩大无边。中间下车到海滩活动,照了些相,捡了几个贝壳作留念。中午在公司饭后,人力资源部的人带我们到汽车站坐车回广州。
17:30到广州,晚上在火车站附近请炯和川吃了一顿粤菜,让炯吃到广东早茶的点心,后来炯梦寐以求的第二号动物——蛇,还是没吃到。到餐馆的这段路他两人又热又累,领略到广州闷热的天气。晚上20:45广州到兰州开车,汽笛吹响了惠州之行的中止号。
自从拿到奖的那一刻起,我们三人的心情就不再轻松,可能是自诩过高吧,最后拿了个倒数第二。其实反观自问,我们的导航系统公司已经实现了,只不过他们是在wince上,我们换成linux而已。技术上没有什么深度和创新,这个结果也是理所当然的。

2008-10-18

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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