加勒比海盗5——死无对证

大概是初中还是高中的时候看过加勒比系列。时隔这么久,一点儿印象都没有了。乘着热映期和舍友去看了加勒比5,观影的过程是愉悦的,之前四部记忆的缺失也并没有太大影响。回来后刷了一下知乎,看到了一些比较出乎我意料的评价。有些感受想表达一下,遂有此文。

什么样的电影算是好电影?当我在评价一本书值不值得读的时候,一般 情况下,我的评价标准是,这本书是不是诚意之作。想想这样的标准也是可悲。现在的市场上有太多所谓的“书”了,或是拾人牙慧的拼凑或是没有根据的胡诌,这些书的有极其相似的命名方式,就像《XX天精通XX》一样。但是是诚意之作并不代表我会去读他。因为诚意之作并不代表就适合我。有几个判断适不适合的点吧,思维方式、价值观、内容。当然这比较笼统,不过我实在接受不了那些逻辑混乱的书。扯远了。那么判断电影好不好,我觉得也是这样的,是不是诚意之作。

在如何评价加勒比5这个问题下,知乎用户很多都表达了失望的态度。我比较疑惑。明明观影的体验是还可以的,全程也没有让人想睡觉的地方,船长也还是那么迷人。看了那么多答案,大概很多人失望的原因我觉得是对过去的执恋。“当年叱咤风云的威尔·特纳呢?反派这也太弱了!没有创新!新人不会演!“这大概是抱怨最多的了。可能在很多人心目中当年的威尔·特纳、伊丽莎白演出了一个境界吧。又或者我小人之心地猜测一下,是有点厚古薄今了吧。就像人们总是很喜欢吹嘘当年的马拉多纳怎么样,当年的乔丹怎么样,而选择性地忽略当下。

可是对于我来说,加勒比系列并没有那么神圣。加勒比5也只是让我在某个晚上开怀大笑并且获得了很多满足感。加勒比5也不是一部只有笑点的庸俗喜剧。所以我觉得,加勒比5就是一部好电影。至于适不适合别人这就另说了。如果加勒比系列还有6,那我大概还会买一张电影票吧。看完5又去重温了一下1和2,度过了一个宅在宿舍的端午假期。好吧,这篇大概也不算什么影评,只是一篇杂记吧。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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