Android 是移动世界的鸭嘴兽

       如果你是一个移动开发者,对于 Android 的态度可能是又爱又恨。它的开放性给予了你更多可能,同时也给予了你更多麻烦。市场上的 Android 手机越来越多,但是各不相同。有原生 ROM,有定制 ROM;有 2.x 系统,有 4.x 系统;配置各有不同,分辨率各有不同。面对复杂的市场,开发者应该如何对待?

        GroupMe 的开发者之一 Ajay Kulkarni 写了一篇文章,谈到 Android 开发中的一个心得:存在两个 Android 市场。

        Android 是什么?“Android 与你想象的不同。它不像 iOS,它甚至与我们见过的 Windows、Linux 和其他 OS 都不同。Android 是移动世界的鸭嘴兽。正如鸭嘴兽,Android 是一个复杂的怪物,两种完全不同的动物的怪异组合。”

        他认为,作为一个开发者,你需要为两个完全不同的市场开发。这两个市场是:专业人士(Hackers)和普通用户(Casuals)。

        专业人士相信 Android 的基本哲学——开放性。“专业人士喜欢定制。他们安装自己的键盘、拨号界面、通讯应用,甚至主屏。许多人是开发者。他们探索,他们折腾。他们喜欢设置、设置,以及更多的设置。”

        普通用户原来使用功能手机,被 Android 吸引是由于价格。“普通用户喜欢壁纸和定制铃声。但他们不去折腾。许多人是刚刚接触智能手机。他们用 Facebook、Twitter 和其它受欢迎的应用,但他们不探索新应用或新技术”。

        Android 最初的用户是专业人士。但是过去的两年内,Android 设备越来越便宜,普通用户的群体正在形成。这给开发者带来了难题:

  • 两个群体在应用操作上有不同的期望。在发布 GroupMe 4.0 版本的时候,开发者发现两个群体对后退键的期望不同。专业人士希望后退键退出应用,而普通用户希望后退键调出侧滑菜单,然后退出应用。于是,开发者决定这 样做:按照普通用户的期望来设计后退按钮,然后在设置里增加定制项。“无论何时,当我们需要为两个群体构建不同的行为时候,这是我们的方案:为普通用户构 建,让专业人士定制它。”
  • 你不能为自己开发应用。Android 开发者常常是专业人士,因此,开发者需要思考更多,让普通用户也能理解你的应用。“如今,当我们改变功能,或者修正 Bug 的时候,我们试图以普通用户的眼光去看待应用。我们试图把他们的思考和行为内化,从而使他们的反应成为我们的反应”。
  • 很难测试。首先,很难测试新功能,因为喜欢新功能的人都是专业人士。为解决这个问题,在每次主要版本发布的时候,GroupMe 会找到对 Android 不精通的朋友们,让他们参与测试;其次,很难对新功能进行问答。开发者使用运行最新版本的旗舰机,但是普通用户用的是 50 美元的低端机,“小屏幕、烦人的用户界面,很少的内存空间”。解决这个问题的方法是,在新功能开始设计的时候就考虑到低端机,而不是发布的时候才想到去测 试。
  • 专业人士喜欢改变,普通用户不喜欢。普通用户会讨厌新功能,然后逐渐爱上它。不过,有时候,新功能确实是实施不当,或者错误的。因此,你需要辨识出这两种情况,收集数据,讨论,然后弄清楚真实情况究竟如何。

        Ajay Kulkarni 说,自己的总结其实刻意忽视了另一个市场。这个市场很庞大,但是他仍然没有理解。那就是全球范围内涌现的低端市场。这些市场中的手机,没有数据计划,甚至 没有 Google 的认可。“这些设备缺乏 Play Store,GCM(Google 云端推送),Google 地图以及其它 Google 服务”。

        不过,这个市场不容忽视,因为它是一个非常巨大的市场。“2012 年第四季度,在全球 iPhone 销量中,美国大概占 1/3,但是在 Android 上,它只占有 10%。换句话说,你可以说美国是 iOS 的领跑者,但当涉及到 Android 的时候,我们很明显是无知的”。


  • 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