【进村记】品牌选择与如何鉴定你所购买的东西

        

     咱们来说说如何鉴别你所买回来的东西。那么既然要买一个东西,事先的踩点是少不了的,可以参考的几个地方列举一下:百度贴吧,各种论坛,zol论坛。这里面有相当多的资源,相当多的晒机帖子,相当多的热心人士以及小白。去一次绝对涨姿势。

     那就先说说手机,以最有代表性的苹果作为开始,如果有钱就买国行,不会出什么差错,一般情况下店家也不会和你讲价,就是正常价格去买,当然去苹果官方体验店什么的买就是最靠谱的,一些小地方就不要涉足了。在一些比较正常的手机卖场还是有可能减下一些价格的,比如西单大悦城,亚运村手机一条街等等。三星同理。

     鉴别买回来的东西苹果就是查序列号,设置,通用,关于本机就有序列号,老生常谈的问题。移步www.app111.org 即可查询。三星没有太好的方式,主要是观察成色,有没有划痕,机器内部功能是否正常,一般三星每代机器都会有独特的功能,多试用来验证。至于三码合一这个东西由于可以伪造,这个验证方式就不说了,比较靠谱的是进网许可。

     国货手机就很少有什么水货假货之类的了。本来就便宜有竞争力,费劲造出个山寨可能会赔钱。所以买国产手机注意好成色,保修日期。一般大地方卖东西是不敢坑人的。

     说到买手机的品牌选择,除了苹果,三星,诺基亚,索尼,LG。剩下的就是国货,Htc,华为,联想,魅族,小米,zte中兴,oppo(其实就是步步高),vivo(步步高),朵唯(比较小众)。等等。

     苹果三星这两个牌子基本上把大商场的店面给占了七七八八,这两个品牌毫无疑问是有号召力的,价格稍贵。个人认为资金充足就买这两个牌子。如果要为流畅性买单请选择苹果。为大屏幕买单买三星。

    诺基亚目前只能用四个字来形容--剑走偏锋。用个比较小众的系统,喜欢在摄像头参数上较劲,不过现在WP系统实在不成气候,不过系统流畅性尚可,常用的应用还是找得到。不推荐也不反对。

    剩下两个索尼,LG,对于这两个品牌受众就比较少了,个人比较喜欢索尼的机型设计,喜欢阳刚之气以及有三防需求的可以考虑索尼。而LG我也是只用过很少几款机器,不做评价了。

   说说国货。HTc的机器试用了很多款都感觉略卡,确实卡顿,UI也做得不好,华为这个牌子有几款机型比较亮眼,就目前来看P6确实入我法眼。但是华为没有太高端的机器,低端机器又太低端。联想产品不推荐,原因是富而不贵。没什么性能可言。魅族以前算是文艺青年的代名词,不过入手需要忍受发热,信号差。小米就是个期货,抢不到,抢到的时候已经不值钱了。而且拿在手里有屌丝气质(官方承认)。  唯一值得称道的是MIUIZTE参考华为。步步高朵唯等视为自拍狂人机器。

   再说说电脑。现在的笔记本大多数都安装了win7.直接开始菜单,右击计算机,属性,就能看到自己买的电脑是什么处理器,多大的内存了。这个比较初级,我们可以装一个鲁大师来看看其他的硬件型号和具体参数,以及硬盘的使用时间等等(这个可以判断电脑是否为新机)。如果再文艺点可以装个CPU-ZGPU-Z来看处理器和显卡的参数。

   注意拆开包装之前看看包装是否被拆过,如果感觉有痕迹和店家说一声以免以后发生纠纷,确认全新之后观察一下包装上的型号及配置是否与想购买的有出入。然后观察箱子上的序列号和笔记本底座上的是否一致。

    还是很想说一句,有多少钱办多少事,不要太贪图便宜,不要有利可乘就上。天上没有掉下来的馅饼,店家也是无奸不商。最好的情况无疑是谈一个双方都满意的价格,因为商家也要赚钱养家糊口。作为消费者,花多少钱办多少事就够了。

    也来说说品牌选择,对于普通学生来说主要有Acer宏碁。ASUS华硕。Dell戴尔,联想。惠普。三星,东芝。这些牌子足够学生用了。高端一点就地球人,外星人,微星,神州战神系列。

    笔记本中依旧不推荐联想。如果硬要说联想哪里好,我只能说它保修太好了。价格水分太大,性能毫不感人。AcerAsus算是有性价比的品牌,两者都有一些特别值得购买的机型。其中Asus在控制发热方面个人认为十分给力。Dell这个品牌相对的比较保守,表现在外型上。没有过于夸张的设计,配置大多中规中矩,价格稍贵。惠普绝对称得上是老品牌,质量什么的可以相信。三星,东芝之类的受众太小。韩系,日系的东西都喜欢说自己有很多产品上的细节设计,不过我认为这是费力不讨好,笔记本大多数都是开模具,大家比的就是性价比加上做工细节什么的消费者真是不怎么买账。

     接着来说说高端点的品牌,地球人神州微星三个牌子都有准系统,也就是可以用较低的价格来买到自己想要的配置。不过新手入准系统一定要谨慎。外星人这个牌子,可以说能镇住相当多的人。不过被戴尔收购之后在走下坡路,连续换了好几家代工厂(代工厂就是为其制造产品,参考苹果的富士康)之后,良品率下滑,质量下降,消费者有很大不满情绪。最近口碑有所回升。土豪可以考虑入手。地球人也就是未来人类也是笔记本中的游戏本中的翘楚。性能绝对给力。有高富帅机型也有屌丝机型。微星机器也是非常不错的。有自成体系的设计,只是知道的人稍微少点罢了。再来说神州,神州在大部分人心里是廉价低能的代名词,很多人一听到神州立马鄙视之,其实不然,早些年神州在电视做的广告确实扮演的就是这么一种形象。然而近些年神州涉足高端本,其感人的性价比以及LOGO可去性吸引了不少伪土豪。

    好了既然说了点准系统的东西,咱们下回来分解一下准系统。喜欢的同学们注册个咱们CSDN的账号留下言,或者直接在群里面问,我们会为你热心解答。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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