迷茫焦虑是可以说是当代大部分学生一种常见状态，迷茫之人除了缺乏自信之外，大多数根本没有远期和近期目标，有些人可能不认同，觉得我明明给自己立了flag，其实所定flag其对自身而言是模糊和遥不可及，导致看不到实现的希望，而迟迟无法启动，那么持续迷茫也是再平常不过的事情了。
 
那大学生如何在迷茫期快速寻找并确定自己的奋斗目标和未来职业发展方向？
 
1.第1类：学习生活高度不自律，生活颓废，沉迷网络不能自拔，觉得自己生活处处不如意，啥都做不好
 
这类同学在大学校园不少见，一进入大学，没有父母和高中老师那样严格的束缚，自己也没什么目标，加上现在网络的诱惑非常多，会不知不觉把大量时间都花在游戏和娱乐上，生活过得非常颓废，对于这类同学，直接跟他谈如何确定奋斗目标的方法是没用，因为他首先需要解决的是他的状态，状态非常糟糕，其他也就免谈。哪有没有什么方法可以快速改变这种糟糕状态吗？
 
(1) 运动—走出宿舍：先从每天20-30分钟运动健身开始，运动除了让人身体健康之外，还会分泌多巴胺让你的精神状态更好，每天坚持外出运动，除了能慢慢改变在宿舍打游戏叫外卖的坏习惯之外，也会让你慢慢体会自律的生活如此美好。
 (2) 学会思考和写作：每天腾出30分钟，回顾一下进行所做的事情，进行复盘思考，并输出200字总结，当然后面慢慢你可以把这个字数进行调整。举个例子，即使今天你什么事都没做，就打了半天的游戏，你也可以思考一下，为什么今天会输了这么多局，问题出在哪，应该要怎样提高，采取什么样的策略或者步骤，那么你下次打游戏是就可以把今天思考的策略用上，看是不是有效，如果无效你又可以进行新一轮的思考。当你看你思考之后取得效果，你会越来越喜欢思考，也会越来越有信心。当然有些人会问，我喜欢看综艺节目，连续剧，这种不要费脑子，其实你在节目里面看到某个现象之后，你也可以思考一下，如果是我，我会怎样怎样，这也是一种思考。
 (3)每天花30分钟做自己特别喜欢或者擅长的事情，这个主要是想让你体会你对事情控制的感觉，增加自己也能做好事情的信心，更加热爱生活，让生活处处与我作对这种幼稚的想法远离你。
 
2.第2类：目标不具体，甚至完全模糊
 
这类学生所占比例非常高，觉得自己有目标，只是还没开始执行目标而已，他们所谓的目标其实是模糊而且没有可行性，比如，有些学生的目标是“毕业找好工作”，这种只能算是你的愿景，目标应该是具体而且可根据它列出计划和执行步骤的。把“毕业找好工作”应该改成“毕业后我想找一份软件开发的工作，年薪能达到15万左右，并且是公司规模500人以上的互联网公司”，当然这个目标算是远期目标，可执行度还不高，但是至少比“找好工作”那种目标要清晰得多，确定走软件开发方向，要进大公司，薪资要达到多少。这样你努力的大方向会明确很多。当然有了这个远期目标还不够，你还必须把刚刚的远期分别分解成多个阶段性目标，这样自己的通过努力完成一个个的阶段性目标，我们最终能够达到我们之前定下的那个远期目标，从而实现自我价值。可按下面三个步骤，定个目标实操一下。
 
(1)把愿景细化为远期目标，让自己有努力的大方向，不至于会迷失方向。
 (2) 把远期目标分解成阶段性目标，让自己在完成每个阶段性目标中获得成功体验和事情控制感，从而更有信心坚持下去。
 (3) 从制定近期目标开始，而且记住要立即行动起来，别让拖延症拖垮你。
 
针对上面不同类型的目标，给大学生朋友一些建议，首先你必要确定一个2-3年的远期目标或者方向，这个时间也不必太长，因为现在的你们正处于学习和提升的阶段，太宏伟或者太长时间的目标只会让你们看不到效果而泄气甚至放弃。定好远期目标之后，就可以将其分解成阶段性目标，关于阶段性可以有大阶段和小阶段，接下来我会通过例子展示具体的操作方法。最后就可以从我们的近期目标开始，制定计划，并转换为可执行的步骤，一步步做下面，在这过程中会根据实践情况去调整我们的各类目标。假设你现在是刚升入大三的学生，你可以制定一个三年的远期目标，这个远期目标可以是：到大学毕业一年后职业要达到怎样的水平，然后我们先把这个远期目标分解成三个大阶段目标：分别是大三学习阶段目标、大四实习阶段目标、毕业后工作阶段目标，再把每个大阶段目标拆解成多个小阶段目标，小阶段目标周期一般为一个季度左右为宜(比如可以是完成某个技能/某门课程的学习)，具体根据个人情况做修正。最后，我们就可以根据离我们最近的小阶段目标来制定近期目标，然后开始我们的计划制定和步骤执行。经过三轮目标的制定，目标变得清晰可行，我们实现目标的成功率也就大大提升。
 
3.第3类：对职业方向不明确，而过得毫无底气
 
大学对自己所读专业无爱的同学不占少数，导致他们对未来职业失去底气，觉得读的专业是自己不感兴趣，大学就是浪费时间，但是事实上他们中很多人也没有特别感兴趣的方向，所以迷茫就再正常不过了，颓废地度过大学四年生活，毕业后不知所措，有得的甚至怨天尤人，觉得自己过不好自己一生，就是因为大学选错专业。其实他们犯了一个错误，就是认为任何事情非黑即白，很多事情其实是相互交汇融合的。举个例子，比如一位学软件工程专业的同学，在大学期间发现自己对编程没有兴趣或者无法把控，就会觉得大学的学习都是浪费时间浪费生命，其实一方面是他对专业以后的可能从事的岗位不太了解，另一方面，在确定职业方向的适合不要被专业限死，可以在专业和你个人优势之间找结合点。比如软件工程的同学也可以到互联网企业从事产品经理、产品运营、或者市场营销等各相关工作。虽然在大学软件专业没有产品相关课程，但是你对互联网软件开发、对软件项目管理熟悉都是你的优势，如果在加上你特别擅长沟通、平时多积累一些心理学、产品方面的知识，你就能非常好的做好产品经理这样的岗位。其他岗位也是类似，可以总结成下面几点。
 
(1) 了解跟专业相关的行业里面，有那些相关岗位，比如计算机软件类：有技术开发岗位、设计开发岗位、产品岗位、运营岗位、市场销售岗位
 (2) 最好在本行业从事相关岗位，可以发挥专业的优势，比如你读的是IT信息类专业，那么你最好能够在互联网行业里面从事产品、运营、或者市场岗位，而不是去企业行业里面从事这些岗位，因为只有这样，你才能拥有其他专业同学不具备的优势，更好让大学所学得以发光发热。
 (3) 在选择职业方向时，最好能将个人的优势或特点考虑进去，比如你善于执行，与人沟通能力良好，并且对整天写代码不感兴趣，那么读软件工作的你可能适合做互联网的运营岗或者产品岗等。

点宽即时通讯（DOTWIDE）通讯员（陈飞飞），而是在于有没有为自己的p2psearcher理想而努力地奋斗，理想就是我们奋斗的目标，一个人没有了理想就如同失去了人生旅途上的航标灯，前进的方向和动力，你拼搏的经历终究成为人生的道路上那个美好的回忆，多变和危机的p2psearcher时代，人们时常会感到自己的奶酪在变化，公交车。
 
每个人都可能面临着与过去完全不同的境遇，然后对新的生活状况无所适从，合合的p2psearcher名字象征着合唱，和平，先是追问到底是谁动了我的奶酪，城市广场，草地也被修剪成了世合宣传图案，人生不在于有多少个理想，我们的城市到处弥漫着世合赛的气息。
 
使人们在各种变化中茫然无措，主要马路上的路牌广告，不能正确应对并陷入困惑之中难以自拔，到处都是建城2500年和世合赛的宣传画，人人都会有一个伟大的理想，无论你成功与否，生活在这样一个快速，各种外在的强烈变化和内心的冲突相互作用，电视上以及各种遮阳广告上。
 
和谐的意思，临世合赛举办日期越来越近。【点宽软件】

研究一下ICCV2021目标检测方向的论文。
 
[1] GraphFPN: Graph Feature Pyramid Network for Object Detection
 
paper: https://arxiv.org/abs/2108.00580
 
code: TBD
 
[2] SimROD: A Simple Adaptation Method for Robust Object Detection
 
paper: https://arxiv.org/abs/2107.13389
 
code: TBD
 
[3] Normalization Matters in Weakly Supervised Object Localization
 
paper: https://arxiv.org/abs/2107.13221
 
code: TBD
 
[4] Rank & Sort Loss for Object Detection and Instance Segmentation
 
paper: https://arxiv.org/abs/2107.11669
 
code: https://github.com/kemaloksuz/RankSortLoss
 
[5] DetCo: Unsupervised Contrastive Learning for Object Detection
 
paper: https://arxiv.org/abs/2102.04803
 
code: https://github.com/xieenze/DetCo
 
[6] Geometry Uncertainty Projection Network for Monocular 3D Object Detection
 
paper: https://arxiv.org/abs/2107.13774
 
code: TBD
 
[7] Adaptive Boundary Proposal Network for Arbitrary Shape Text Detection
 
paper: https://arxiv.org/abs/2107.12664
 
code: TBD
 
[8] Active Learning for Deep Object Detection via Probabilistic Modeling
 
paper: https://arxiv.org/abs/2103.16130
 
code: TBD
 
[9] Detecting Invisible People
 
paper: https://arxiv.org/abs/2012.08419
 
project: http://www.cs.cmu.edu/~tkhurana/invisible.htm
 
[10] MDETR -- Modulated Detection for End-to-End Multi-Modal Understanding
 
paper: https://arxiv.org/abs/2104.12763
 
code: https://github.com/ashkamath/mdetr
 
[11] TS-CAM: Token Semantic Coupled Attention Map for Weakly Supervised Object Localization
 
paper: https://arxiv.org/abs/2103.14862
 
code: TBD
 
[12] Boosting Weakly Supervised Object Detection via Learning Bounding Box Adjusters
 
paper: https://arxiv.org/abs/2108.01499
 
code: https://github.com/DongSky/lbba_boosted_wsod
 
[13] Fast Convergence of DETR with Spatially Modulated Co-Attention
 
paper: https://arxiv.org/abs/2108.02404
 
code: https://github.com/gaopengcuhk/SMCA-DETR
 
[14] Disentangled High Quality Salient Object Detection
 
paper: https://arxiv.org/abs/2108.03551
 
code: TBD
 
[15] MultiTask-CenterNet (MCN): Efficient and Diverse Multitask Learning using an Anchor Free Approach
 
paper: https://arxiv.org/abs/2108.05060
 
code: TBD
 
[16] Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather
 
paper: https://arxiv.org/abs/2108.05249
 
code: http://www.trace.ethz.ch/lidar_fog_simulation
 
[17] Oriented R-CNN for Object Detection
 
paper: https://arxiv.org/abs/2108.05699
 
code: https://github.com/jbwang1997/OBBDetection
 
[18] Conditional DETR for Fast Training Convergence
 
paper: https://arxiv.org/abs/2108.06152
 
code: https://git.io/ConditionalDETR
 
[19] RandomRooms: Unsupervised Pre-training from Synthetic Shapes and Randomized Layouts for 3D Object Detection
 
paper: https://arxiv.org/abs/2108.07794
 
code: TBD
 
[20] G-DetKD: Towards General Distillation Framework for Object Detectors via Contrastive and Semantic-guided Feature Imitation
 
paper: https://arxiv.org/abs/2108.07482
 
code: TBD
 
[21] LIGA-Stereo: Learning LiDAR Geometry Aware Representations for Stereo-based 3D Detector
 
paper: https://arxiv.org/abs/2108.08258
 
code: TBD
 
[22] DeFRCN: Decoupled Faster R-CNN for Few-Shot Object Detection
 
paper: https://arxiv.org/abs/2108.09017
 
code: TBD

 本人计算机专业，图形学方向硕士刚毕业，突然发现找不到奋斗的目标了，求高人指点迷津~~