[OKR]2020年1月份

20201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
    • P1SelectiveSearch算法实现
    • P2C++11实践小结
    • P2PyNet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
    • P1SelectiveSearch目标检测实现
    • P1SelectiveSearch实践小结
    • P2R-CNN目标检测实现
    • P2R-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