这里是碌碌无为的人

这是一篇自述

我其实不算是一个计算机小白,但又跟小白很像。

算算大学时光,已经三年过半。我所在的专业给我们开设了很多很多的必修和选修课程。我学过C、学过Java、学过js、学过h5、学过数据库、学过网络安全、学过Linux、学过hadoop、学过机器学习、学过数据仓库……可我好像又什么都没有学过。

我运气不错,学习成绩一直名列前茅。有过一些不足挂齿的荣誉,运气不错的拿到了推免。我有一点点自负,有一点点骄傲。

直到我被叫去凑数参加求职活动的时候,我才意识到,自己对人生、对职业真的没有规划。我甚至说不出我的求职意向。岗位那么多,但好像没有一个可以上手。

真的。我从来不知道自己这么菜。

“你想做什么?”
“我…我不知道…”

我一直说座自己的座右铭是“做自己喜欢做的事,成为自己想要成为的人”。可是我连自己想成为什么样的人都不知道。

我很难受
并且,觉得悲哀

很多朋友都笑我,觉得我傻。我又不用急着找工作。
没有错,可是就目前的条件,我觉得我找不到工作。

“你能做什么?”
“我…我不知道…”

自尊心不允许我成为一个没有作为的人。至少不能成为一个对不起自己,对不起时光的人。

我有一个很喜欢的人,我很想跟他在一起,但是,生活始终是残酷且真实的,如果我继续这样的浑浑噩噩,我们是没法在一起的。我必须要变得真正好而不只是更好。

所以我有了一些目标和计划。也有了这个博客,我希望它能成为记录我重新成长的一个见证。

认清自己,树立目标,不离不弃。

希望能和所有在学习道路上迷茫的人共勉,成为优秀的人,拥抱灿烂的人生。
在这里插入图片描述
——————————————2018.12.08——————————————

后来,喜欢的人离开了,只剩下自己。

但还是要继续变成一个优秀的人,因为未来是自己的,不是没了他,就没了未来。

——————————————2020.07.28——————————————

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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