电容笔和Apple pencil有什么区别?平板电脑第三方电容笔推荐

电容笔和Apple Pencil最大的不同就是,普通的电容笔没有Apple Pencil所具备的独特的重力压感,只能让人感觉到一种倾斜压感,但对于不是专业人士来说,它并不需要,因为它的外形和功能都和Apple Pencil不相上下,价格也很合理。一款才200块钱。目前,有许多不同品牌的电容笔,它们都有自己的特色。下面,我将向大家推荐几款非常经济、实用的电容笔!

Top1南卡pencil

价格:199元

推荐系数:五颗星

南卡Pencil公司制造的第二代电容笔,一款与Apple Pencil的外观以及性能都十分接近的电容笔,仅仅只需要200元。

这款电容笔的重力仅只为17克,十分的轻巧,和我们平时使用的铅笔重量差不多。此外,该电容笔还具备全屏幕的防误触操作,当您的手指触碰到屏幕时,不会影响我们的书写,也不会影响我们的写作。

Pom的笔头采用了与Apple Pencil相同的pom材质,在书写时非常丝滑,而且不会产生打滑和延迟。除此之外,笔尖上还安装了一个倾斜压感感应器,可以准确地感知到笔头的方向和角度,用来进行绘画,都是十分容易的事。

Top2绿联电容笔

价格:189元

推荐系数:四颗星

绿联的这款电容笔,在笔头和笔身上,都有一些金属的装饰,看上去非常的商务。却给人一种成熟稳重的感觉。这款电容笔只有13 g,具有平滑的表面和舒服的感觉,拿在手中很难放下。本产品采用Pom材料,书写准确,手感舒适,长时间使用不会断触,全屏防误触。就电池的使用续航而言,该电容笔在充满电后能使用8.5个小时。

Top3 Adonit note电容笔

价格:299元

推荐系数:三颗星

这款独特的Adonitnote系列电容笔,采用铝合金材料,采用了阳极工艺,使得笔身看上去更加挺拔、富有质感。这种电容笔的重量只有14克,它的重量和铅笔一样,可以用来做画画和做笔记。这种电容笔的笔尖非常纤细,可以轻松地书写细小的文字。无需Bluetooth的连接,只需按一下即可启动。当电池充满电后,电容笔可以连续工作12个小时,而且可以通过Type-c进行充电。

Top4京东京造电容笔

价格:209元

推荐系数:三颗星

此款京东京制造的电容笔是纯白色,笔身是精细加工而成。这是一件极为精美的艺术品。该产品采用Pom材料制作,工艺精湛,使用寿命长,书写时不会发出声响,对屏幕有很好的保护作用。另外,该产品采用全屏防误触,不需要将手腕悬于空中,就可以轻松的将手放在显示屏上。充满电款维持使用8小时,无需5分钟就会进入睡眠状态,无需担心电池的电量问题。

  • 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)的任务是找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