[转]香港购物的真实经验,以及超级推荐!

我来说说,我到香港购物的经验不少,差不多2-3个月去一次,买过一部手提电脑,N部手机,多数是帮公司或朋友买的,另外说说我过关的时候一般都是将包装盒去掉,直接带手机过关的,而且带3-4部就好,这样基本上是不会查你的,我也没被查过,还有mp3,耳机,cd其他一些东西,还有一次我买过2只电动的玩具枪过境都没事,但这里要特别说明一下,你想将这类玩具带过关时,包装反而不要扔掉,而且最好不要拆开包装,要不是的话被检查的几率很高。

还有我要非常特别隆重推荐一个必去的购物地方,那里主要是买衣服鞋子或一些体育日常用品的,那个地方就是赤柱,呵呵跟监狱联系在一起了吧,那个地方卖的东西都很便宜,但都是正货,为什么会这么便宜?应为那里买的东西多数是一下断码的衣服和鞋子,断码的意思就是例如一双鞋子原本有很多码数可以选择的,38.40之类的,但现在就只剩下一双38码的,这就称为断码,我在那里买过一双puma的断码鞋子,刚好是我的码数,我知道那款鞋子在国内是要买到500左右的,应为我来之前看过,没想到在这里看见了,仔细看了看绝对是正货,他开价是199圆(当然是$hk),他说特价货都是实价且不接受讲价的,没所谓直接买了下来,回到国内看了看商场的要520大圆,算了算折换成人民币后便宜了300左右(当时199HK=218RMB左右)且一摸一样,其实是正货的话很容易辨认,那对鞋子用到现在,质量很好。还有那里的一些衣服,也是正品,但有些地方有些线被勾了起来,但绝对不显眼,仔细才能看得见,在国内280块的,这里买70块,像这类有缺陷的,你还可以砍他价,最后以60圆购得,还有很多很多商品,就象一个藏宝库一样,你要自己发掘,这就是乐趣,以最便宜的价格买到自己喜欢的,值得一提的是这里有些店是由女童军这类的机构开的,里面所卖的东西都是一些好心人或机构送增的。东西便宜得不得了,像一些正版cd才1块钱(虽然有些旧但绝对值得买),长统棉袜子1块钱一对(我都买了10对),他们所得的钱会娟给一些什么癌症基金协会什么的,所以在这里买东西又便宜又可以做善事。
还有很多很多,我都说不完了!
总的说一句,在香港购物我觉得服务不错,质量有保证,从那边买过这么多东西都没发现过什么问题,假如你有时间的话应该到香港去看看,建议做船呵呵,我坐过火车,大bus,飞机,坐船的感觉最好,也可以慢慢欣赏香港源岸的景色超棒的。(价格是200块,来回的话就400,跟坐火车一样,坐汽车的话最便宜,180来回我那个时候是,)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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