大海

最开始学习编程的时候接触的是C语言，之后自然的过渡到C++语言，所以很长时间内会使用C语言风格编写C++代码（用的还挺顺）。后来随着学习的深入，逐渐发现更应该用面向对象的思想来学习和使用C++

编译OpenCV 4.0时发现其C++代码已全面符合C++ 11规范，忽然发现之前学习的C++已经过了多个版本，经过查询后发现从C++ 11开始，C++语言完成了极大的转变，提供了足够多的数据结构和算法来替代C语言风格的编写

经过一段时间的C++ 11规范的学习和实践，小结常用的语法以及新增的规范：

之前使用过GifCam进行录屏，操作效果一般，后来重装系统就没有再安装。最近偶然机会下发现一个好用的录屏工具 - peek，界面简洁同时操作简单

研究了好久的选择性搜索算法，终于把它搞定!!!

经过上个月的OKR实践，发现并没有合理的设置关键任务，并且没有考虑到实际学习时间（比如一月份的春节），所以2月份的OKR应该在一月份的OKR实践的基础上，继续之前未完成的事情，有效的设置关键任务

学习边框回归的概念时，发现一篇自定义检测器的文章

• 原文：Getting Started With Bounding Box Regression In TensorFlow
• 中文：目标检测之边框回归入门【Tensorflow】

虽然题目写的是边框回归，但是里面没有讲解相关的概念，而是自定义了一个边框检测器，实现原理比较简单。看完之后感觉挺有趣的，之前也没有自己实现过检测器，原文使用TensorFlow实现，当前使用PyTorch进行复现

图像定位数据集（image localization dataset）是一个简单的用于图像定位实验的数据集，参考Image Localization Dataset

IoU(Intersection over union, 交集并集比)是目标检测领域常用的评价标准，通过比较真值边界框（the ground-truth bounding box，手动标记）和预测边界框（the predicted bounding box）的重合度来判定算法检测性能

计算多分类任务的PR曲线

学习和使用多分类任务的ROC曲线

学习多分类任务的混淆矩阵计算，共有两种方式：

1. one VS rest
2. one VS one