乘风破浪会有时,直挂云帆济沧海。

点击在我的博客 xuxusheng.com 中查看,有更好的排版哦~

2016-07-17,20:11

最近决定开始记录博客,今天好好的梳理一下。

其实很久以前就明白,如果能将自己在学习工作中遇到的问题、出现的想法和经历的心态变化都记录下来,肯定是大有益处的,但总是因为各种各种的原因而中断了。

最近工作学习生活之类的总算稳定了一点,不用再各种奔波,也能够沉下心来重新反思总结自己每天的状态,如果能够一直坚持下去肯定是最好的。

断断续续的也用过很多笔记软件之类的,有道云笔记、为知笔记等等,也积累了大量的笔记,但总是感觉对自己的促进效果并不明显,想了想,可能是因为花了更多的时间在“记”上,而“思考”上花的时间却比较少,记笔记的时候总是想着,我先记录下来,等以后忘记了还可以拿出来看看,其实现在互联网这么发达,想要什么东西,直接搜一搜就可以了,没必要在机械性的记录上花大量的时间。反倒是应该花更多的时间精力去思考笔记本身的内容,如果能够将其理解透彻,那么记录与不记录,其实也没什么差别了。到了这一步,需要写下来的就是自己的感想与总结了,而非单纯的记笔记。

我本专业是通信工程,做的比较偏硬件,都是电路之类的东西,虽然不怎么感兴趣,但是想着毕业了总要有碗饭吃,也强迫自己去实验室呆了一段时间,参加了一次电子设计大赛。现在想起来,不管是有兴趣还是没有兴趣,也不管以后会不会从事相关的工作,既然去做了,去学了,也付出了时间和精力,那么总归要有所收获才行。

这一点上我做的不太好,花了大量的时间精力去学硬件,但是一没有记笔记,二没有及时的去反思总结,现在想再去怀念怀念曾经学过的东西,也找不到任何痕迹了。

既然学了,就应该学有所获,工作讲究的是专业,但是生活并不是工作,也并不讲究专业,你懂的越多,在生活中就能解决更多的问题,在思考问题时,也能够考虑的更全面。

在学硬件的同时,我也学了网络相关的知识,相比硬件而言我并不那么排斥网络,一度以为自己以后会以此为饭碗,所以在总结与反思上做的比硬件方面要好,但是也仅仅在于记了笔记,整理了资料等等,思考的还是不够多。

各种机缘巧合,总之现在是捧上了前端开发的饭碗,那么一定要吸取之前的经验教训,要多反思,多总结。

其实人的一生也不太可能一直做着一件事,也许今天我还以前端开发为工作,明天就跑去做生意开店了,但是我信奉着一个道理,成功的人,做什么都会成功,失败的人,做什么都会失败,这里的成功失败并不是指的某一个阶段或是某一件事,人非圣贤孰能无过,但是如果你具备了成功的品质,那么不管你选择哪一条路,最终总有成功的一天。

成功第一步,先做好眼前的事,无论长久否,无论兴趣否,既然做了,就要有所获。

前路漫漫,与君共勉!

### 免费行人图像数据集 对于机器学习或计算机视觉项目中的行人检测任务,可以考虑以下几个公开可用的数据集: #### Caltech Pedestrian Detection Benchmark Caltech 提供了一个广泛使用的行人检测基准数据集。该数据集包含了超过 250,000 帧视频片段,并标注了大约 350,000 行人实例。这些帧是从城市街道场景中捕获的,具有不同的光照条件和天气状况[^1]。 #### INRIA Person Dataset INRIA 数据集是一个经典的行人检测数据集,由正样本(包含行人的图片)和负样本(不包含任何行人的背景图片)组成。它主要用于训练和支持评估二分类模型的效果。此数据集中的人体框被精确地标记出来以便于目标识别研究。 #### ETH Pedestrian Dataset ETH 提供了一组高质量的行人跟踪数据集,适用于实时监控应用的研究工作。这个系列包括多个子集合如 “bahnhof”, “street”, 和其他几个位置拍摄得到的画面序列文件夹结构清晰易懂方便下载使用[^2]。 #### H3D Database 这是一个三维人体姿态估计数据库,其中也含有大量的二维投影后的行人照片资源可供提取利用作为输入素材之一来进行相关算法开发测试验证等工作流程当中去实现预期功能需求满足程度最大化的同时还能兼顾成本效益分析等方面因素考量综合平衡之后得出结论认为值得推荐给大家尝试一下看效果如何再做进一步调整优化改进措施方案设计规划实施执行监督反馈总结经验教训吸取精华剔除糟粕不断进步成长壮大起来成为行业标杆引领者角色定位明确方向坚定信心十足干劲满满勇往直前无惧风雨迎接挑战战胜困难取得胜利果实分享喜悦共同庆祝美好时刻永恒铭记历史篇章书写辉煌未来展望无限可能梦想成真指日可待万事俱备只欠东风乘风破浪会有时直挂云帆济沧海! ```python import requests from zipfile import ZipFile from io import BytesIO def download_dataset(url): response = requests.get(url) zip_file = ZipFile(BytesIO(response.content)) zip_file.extractall() # Example usage with one dataset URL (replace this link accordingly when using other datasets mentioned above). download_url = 'http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/dataset.zip' download_dataset(download_url) ```
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