[OKR]2020年1月份

2020年1月份OKR实现

目标及关键结果

• OKR当前的状态
  • 目标：找到图像相关的研发工作
  • 关键结果：理清检测/分类算法的评判标准(5/10)
  • 关键结果：实现RCNN模型(5/10)
  • 关键结果：C++11实践小结(5/10)

06-12

• 本周关注的任务
  • P1：二分类算法的混淆矩阵/ROC曲线/PR曲线/F1-score实现
  • P1：多分类算法的混淆矩阵/ROC曲线/PR曲线/F1-score实现
  • P1：检测算法的mAP/IoU/FPS/mABO实现
• 未来四周的计划
  • SelectiveSearch算法实现
  • R-CNN算法实现
  • C++11实践小结
• 状态指标
  • 编程语言和代码库的使用熟悉度
  • 对评判标准的理论学习能力

13-19

上周实现了分类任务的评判标准（混淆矩阵/ROC曲线/PR曲线）学习，也学习了目标检测任务的IoU概念，不过并没有学习目标检测的AP/ABO，其原因是这两个概念和具体数据集使用密切联系，所以打算等到之后实际使用时再进一步研究

• 本周关注的任务
  • P1：SelectiveSearch算法实现
  • P2：C++11实践小结
  • P2：PyNet库文档编辑
• 未来四周的计划
  • R-CNN算法实现
  • GoogLeNet算法实现
  • Fast R-CNN算法实现
• 状态指标
  • SelectiveSearch理论学习
  • 卷积神经网络学习

20-26

上周测试了SelectiveSearch C++/Python算法，同时使用PyTorch完成了一个简单的目标检测器，但是并没有完成C++实践小结和PyNet库文档整理。其原因在于没有很好的设置任务，导致学习的重心和任务产生了偏移，同时目标检测算法的实现、训练和测试需要花费很多时间

• 本周关注的任务
  • P1：SelectiveSearch目标检测实现
  • P1：SelectiveSearch实践小结
  • P2：R-CNN目标检测实现
  • P2：R-CNN实践小结
• 未来四周的计划
  • C++实践小结
  • PyNet库整理
  • GraphLib库整理
  • GoogLeNet算法实现
  • Fast R-CNN算法实现
• 状态指标
  • SelectiveSearch理论学习
  • R-CNN理论学习

27-31

上周实现了目标检测的数据集采集和训练，不过从25号开始就是春节，并没有完成其余的操作

小结

最终的OKR状态如下：

• OKR当前的状态
  • 目标：找到图像相关的研发工作
  • 关键结果：理清检测/分类算法的评判标准(8/10)
  • 关键结果：实现RCNN模型(6/10)
  • 关键结果：C++11实践小结(5/10)

第一个月的OKR没有很好的完成，因为发现并没有很好的理清任务的难度和步骤。后续改进：减少任务量，争取能够完成每月OKR