诺基亚看到手机市场企稳希望

基亚(Nokia Corp.)公布第一季度利润下滑90%,但这家全球最大的手机制造商表示,疲软的手机市场已经浮现了需求企稳的迹象。

诺基亚首席执行长康培凯(Olli-Pekka Kallasvuo)周四在一个电话会议上表示,市场已经不再以难以控制的方式下滑了,第一季度末浮现的市场持稳迹象令我感到振奋。

MK-AV575B_NOKIA_NS_20090416183734.gif康培凯说,由于第一季度商店和仓库的手机库存显著减少,行业前景变得更加可预测了。但他说,现在谈论全球消费者需求滑坡是否已经触底还为时过早。

在此次经济衰退中,诺基亚的状况要好于许多竞争对手,但也同样遭受了消费者支出显著下降的冲击。截至3月31日的3个月,该公司利润从上年同期的12.2亿欧元锐减至1.22亿欧元(1.613亿美元)。销售额下滑27%,从上年同期的126.6亿欧元下滑至92.7亿欧元。

诺基亚表示,当季共售出9,320万部手机,较上年同期下滑19%,较去年第四季度减少18%。

诺基亚第一季度的市场占有率持平于去年第四季度的37%,和诺基亚1月份发布的预期一致。诺基亚手机的平均售价从前一个季度的71欧元下滑至65欧元。

诺基亚预计,2009年整个手机行业的销售量将较2008年下滑10%,大多数降幅将发生在今年上半年。诺基亚预计,第二季度销售量将持平或略高于第一季度。

Gartner的分析师米拉尼斯(Carolina Milanesi)说,诺基亚维持原有预期对很多市场观察人士来说是个积极信号。米拉尼斯说,值得关注的是,尽管诺基亚当季销量好于市场预期,但财报中手机均价较上一季度下滑6美元明显反映了市场的疲软。

诺基亚股价过去一年下滑了将近50%,一度触及近10年低点6.91美元,但过去一个月显著回升。业绩公布后,诺基亚美国存托凭证的价格在纽约证交所上涨11%,报收于14.88美元。

诺基亚表示,由于诺基亚5800 摸屏音乐手机销量强劲,第一季度公司在智能手机市场的占有率有所上升。这款手机面临着苹果公司(Apple Inc.)的iPhone和诺基亚另一款商务手机E71的竞争。5800于去年11月上市销售,今年第一季度销量达到了280万部。

诺基亚首席财务长西蒙森(Rick Simonson)说,第一季度诺基亚在智能手机市场的占有率从去年第四季度的32%上升至38%。[@more@]

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/20908124/viewspace-1020862/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/20908124/viewspace-1020862/

  • 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
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