2009年《程序员》第3期调查表——评价或建议

2009年《程序员》第3期调查表
尊敬的读者: 感谢您长期以来对《程序员》的关爱和支持,请您协助我们完成2009年《程序员》第三期的简单调查,表达您对本期杂志的真实感受,以利于我们的进一步改进和提升。 我们对第三期杂志的39篇文章进行调查,请您选出3篇您认为最喜欢阅读的文章、1个您最喜欢的栏目,并提出宝贵的意见和建议! 参与我们的调查,每期将抽出十名幸运读者,赠送精美小礼品一份!

2009《程序员》第二期中奖名单: cityscene2001、 webchengxuyuan、 hjl80420、 rdhj5566、 shijg123、 tianqiljf、 OldStory_Net、 yistudio、 ZSMDEV、 che_shuai
*5、请选出您最喜欢的文章:(最多选择3篇)
  • 孤独的“酋长”——Yahoo!创始人杨致远
  • 打造中国科研的“奥运军团”
  • 亮剑——狭路相逢智勇者胜
  • 游戏开发者的两性一心
  • 和谐共鸣——IBM Lotusphere 2009记
  • 亿元现金,帮你“赢在巨人”
  • 开发平台也过冬——专访IBM Rational总经理 Daniel Sabbah
  • 一个足球,带来一片欢笑——记联众《体育关爱基金》
  • “软件中国2008”评选榜单揭晓
  • 软件中国2009年大势图
  • 基础技术:坚定创新发展的步伐
  • 企业级技术2009展望
  • 融:越过冬天的鸿沟
  • 从跨国巨头们言行看移动领域发展趋势
  • 游戏行业,冬天里的一把火?
  • 外包:韬光养晦,伺机而动
  • 迈向云安全2.0时代
  • 企业Web 2.0 2009年之8大预测
  • 集群式游戏服务器架构设计与开发开发
  • 大型Web2.0网站架构纵横谈(三)
  • 软件开发者面试百问
  • 六战俱全
  • 网站运维之道续谈
  • 从“毽子文化”说起——专访用友华表研发团队
  • 一分钟先生:拨开云日见绩效
  • 浅谈即时验收在敏捷开发中的应用
  • 面试小贴士
  • 使用JNA方便地调用原生函数
  • 跨站请求伪造攻击:CSRF安全漏洞
  • Win32与.NET加密编程的等效方式
  • DirectX和OpenGL动画的录制
  • Groovy on Grails的若干Web报表解决方案
  • 万马奔腾——如何调试登录会话建立阶段的故障
  • 保证代码运行质量的利器——PurifyPlus
  • DevPartner助力程序员提高代码质量
  • FindBugs帮助开发人员提高代码质量
  • 书评:本来面目——大教堂、集市,与作坊
  • 软件产业大联盟
  • 移动计算: A Revolution?
*6、请选出您最喜欢的版块:(单选)
  • 名人堂
  • 高端视点
  • 报道
  • 架构
  • 实践
  • 技术
  • 月度关注
  • 图书
  • 评论
7、对2009年3期《程序员》,关于改版的内容及形式您有什么评价或建议?
自己大学毕业才2年,毕业后一直做的是java方面的企业级应用系统的开发,工作时间比较短,技术水平还不是很高,所以很想找到一本书提高下自己的专业知识和视野。
自己的感受就是:本书的内容有些散,不够集中,涉及到的技术太多,专业名词太多,涉及到软件的方方面面,所以很多内容由于自己不够了解而看不懂,因此每本书能够学习的知识并不是很多。
自己买程序员也是偶尔买几期,建议就是能够再细分一下内容,比如java系列或者.net系列.或者互联网方面的.然后每个月同时卖几本不同方向的杂志,会效果更好。
这样向我这样的人群就只买其中的一种就可以了,我们也可以做到期期购买,虽然你们每本少卖了钱,但是肯定会提高销售的数量的,而且会扩大知名度。

总之就是专业知识分的越细的东西,越会大大吸引像我这样的初级程序员的。

  • 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