自考后的总结

             参加自考至今已有几个月。前几天按照老师要求把自考书看了一遍。只做了一本书的导图,而且还有待完善。会上老师说的一个词让我感触很深:态度。

   我只过了《管理经济学》,我对比自己对待它们的态度来做自我检查。  

   对于《管理经济学》我从三月中旬开始吧,看了很长时间。好多不懂的,第一遍把文字过一遍,然后再看一遍,把课后习题中会做的做了一遍,概念虽然不重要,但是只要涉及,我都会去翻看,里面的好多概念我一直含混不清,但是每翻一次,就会加深我对它的理解,也是只会做少量的题,但是我坚持着走下去。第三遍,我坚持做习题,这是最重要的一遍,查漏补缺,巩固。虽然最后还是有几道题不会,但是不妨碍,那毕竟只是几道题,比例太小。这些概念机械的背诵的少,因为做例题,一遇到陌生的概念,我就返回去查看,不断重复。考试的前一天,我没有复习,就是觉得自己虽然不能考试很好,但是应该能过的。第二天早上起来得比较早,翻看一些概念。

   作为文科生,《信息资源管理》本来对我们来说不应该考得那么差的。但是,很遗憾,我没过。在考试前10天,我才开始看。以前不是没有看,但是都是在老师要求之后,我才去看。也不喜欢用导图来找联系,除了背诵就是背诵,连章节的过度都没有找到,所谓的复习,就是拿着复印资料,背。考试比较紧张,因为自己清楚自己知道的很少。所以,不过是必然。

   总结:

      1、态度。

      不一定要一直复习,但是一旦复习,请认真对待。

     每个人都在复习,但是效率却不尽相同。真正的复习,不管文理,都应该是总揽全局,不能就是简单的背诵或者做练习题。

     考前,对自己要有一个好的暗示。不要太消极,同时也不要疏忽。平和的心态很重要。

      2、机会只留给有准备的人。

     准备好的人,临考如临战,临危不惧。可是,反之,同样成立。两场考试给我的感觉是不一样的。第一场考试我特别紧张,又是喝水又是去厕所的,弄不消停。但是第二场考试一进考场我就一直安静的呆着。这和考前准备是有很大的关系的。不管结果可能会如何,我们唯一要做的就是准备好,这也是我们唯一能做的。而且,我相信我们可以做得很好。

     

    用半个月把vb视频过了一遍,除了敲了一些例题,我都不知道自己还收获了些什么,学姐指导说:没有总结,笔记凌乱,所以不知道自己都学了什么。我想,应该端正态度,意识到自己存在的问题:急切。从今天起,结合笔记,书本,视频做笔记。

  • 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