仪器、界面水有多深(2)

嗯,测试需要花时间,这里把自己的这段日常总结写完。 

之前因为赶饭点,所以写的比较泛泛~~(多陪家人,培养兴趣什么应该是如何做人-_-b)
这里只谈怎么做好,所以就专业的吧。

养成的习惯:
1. 代码的整理
    不要把有问题的代码留给以后。不要说“这个库或者类用了很长时间了,偶尔出现些差错,但是没事儿的”,“就在原来的基础上改,别大改动”,等等。稳健的来说,上面的话一般是没有问题的。但是,“小洞不补大洞吃苦”。有问题的代码,很可能是它要求的上下文环境不明,或者是其健壮性(robust ,鲁棒性)不够。及时标明它或者对它的缺点进行改正。
    良好的编码习惯。再次重申,编码习惯不好不光是人品问题,而且有破坏倾向!别管你用了几行,效率多高,技巧多高明,把代码弄得乱七八槽很多时候是对自己的不尊重。自己编的代码一两个月放下拿起来,用几分钟时间就能重新干活,这是效率问题。老子上次的代码显示是一年前7月8号的版本,(别问我这一年去干嘛了),立马就能给跑起来绝不是记忆力有多厉害,还不是这个基本功点上下力气了。
    软件版本和调试记录。嗯,还是为了以后接班人着想,工作以后项目交接也用的上。2G的软件版本和1.5G的调试数据,接近2万字100页的软件调试问题记录和解决方案。。。。特别的凌乱,根本没法整理,这两天因为这个有些发愁。。。。还是没有经验的原因。

2. 良好的沟通
    和界面功能相关的技能就是沟通,因为大部分时间里对方(特别是有相关知识的甲方)要求你做的东西很可能不是他想要的东西。没错,这句话用了3年的时间终于敢说出来了。他们很多时候不知道自己想要什么,或者说知道想要什么却要求了别的东西
    多和你的甲方交流,加深业务往来的同时,弄明白确实的需求能让你少走很多的路。

3. 认命~~
    纯碎调侃,别因为外人的评价而导致内心不平衡。有时候你情报获取的太多反而会影响情绪。成熟一点,知道你自己到底想要什么,是不是真的喜欢做这个,生气的原因到底是不是因为对技术本身的喜恶。弄明白这些,你才能在现在这个黑技术员成风的年代扎得住自己。
    所以认命吧,认清楚自己,确定自己的立场,然后无论好坏的活在当下。





这里先将之前一些模糊的地方说清楚:
之前(1)里面一天之内海多的需求变更等等糗事都是发生在这一块没确定的情况下,怎么没确定呢?上级(老师)对项目进度不了解以及处在“乙方的乙方”而且“乙方”还要求你直接跟“甲方”碰面的情况下。
细节就不提了,现在想想没法说是谁的错或者责任。事情太多,赶到一块,所以环境和项目进度紊乱也正常。自己只是碰巧在这个环境下赶鸭子上架分配到这个任务而已。至于黑历史,说了也没有用,一些事情该拒绝就应该拒绝,当面把事情说清楚,也不用背黑锅当枪使,还被人不理解,以为小题大做。。。
咱不做学霸了,不当先进了,做个好哥们,当个好儿子,比什么都值~~
额,不愉快的掀过。

总之,在学生期间碰到一系列学业、家庭的事情虽然给我打击很大,堕落了一段时间,
用了将近一年的时间去腻歪自己,用了半年时间去放空自己,
现在看看,这个世界真的变了,
总之,老子之前心态歪了,在一件件倒霉事之中心态慢慢歪的,歪的差一点成为习惯。
然后良心发现,终于下定决心止住自己歪继续下去的势头。
收收心,继续做我的界面~~~

额,数据好歹采完了。析包效率应该是瓶颈。
 
个人防护装备实例分割数据集 一、基础信息 • 数据集名称:个人防护装备实例分割数据集 • 图片数量: 训练集:4524张图片 • 训练集:4524张图片 • 分类类别: 手套(Gloves) 头盔(Helmet) 未戴手套(No-Gloves) 未戴头盔(No-Helmet) 未穿鞋(No-Shoes) 未穿背心(No-Vest) 鞋子(Shoes) 背心(Vest) • 手套(Gloves) • 头盔(Helmet) • 未戴手套(No-Gloves) • 未戴头盔(No-Helmet) • 未穿鞋(No-Shoes) • 未穿背心(No-Vest) • 鞋子(Shoes) • 背心(Vest) • 标注格式:YOLO格式,适用于实例分割任务,包含边界框或多边形坐标。 • 数据格式:图片数据,来源于监控或相关场景。 二、适用场景 • 工业安全监控系统开发:用于自动检测工人是否佩戴必要的个人防护装备,提升工作场所安全性,减少工伤风险。 • 智能安防应用:集成到监控系统中,实时分析视频流,识别PPE穿戴状态,辅助安全预警。 • 合规性自动化检查:在建筑、制造等行业,自动检查个人防护装备穿戴合规性,支持企业安全审计。 • 计算机视觉研究:支持实例分割、目标检测等算法在安全领域的创新研究,促进AI模型优化。 三、数据集优势 • 类别全面:覆盖8种常见个人防护装备及其缺失状态,提供丰富的检测场景,确保模型能处理各种实际情况。 • 标注精准:采用YOLO格式,每个实例都经过精细标注,边界框或多边形坐标准确,提升模型训练质量。 • 真实场景数据:数据来源于实际环境,增强模型在真实世界中的泛化能力和实用性。 • 兼容性强:YOLO格式便于与主流深度学习框架(如YOLO、PyTorch等)集成,支持快速部署和实验。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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