如何让潮汕的正面形象深入人心?

如何让潮汕的正面形象深入人心,这个话题很沉重,因为潮汕的负面消息太多。同为潮汕人,我有时自己也看不下去,下面我用我的所见所闻给大家讲讲吧。

首先要有正面形象,没有正面形象拿什么深入人心?拿汕头来说,有吗?有,多吗?不多。说来说去就只有美食,海,小公园,南澳,没错这些是正面形象,但已经说了太久没新意了。有时候我在路上听到外地游客在计划路线,都是惊人的相似,甚至顺序也差不多,说白了都是看同一份攻略的。

有朋友问我,汕头有没有什么好玩好吃的?一下把我问住了

“牛肉火锅”,“这我知道”

“功夫茶”,“那个太苦,喝不惯”

“海鲜是最出名的”,“这我知道,电视节目有讲”

“各种粿,小吃”,“这我知道”

“南澳岛风景很好,海景沙滩很漂亮”,“攻略上有写,我准备去”

“小公园?”,“那算什么?哪里都有啊”

我不是导游,真让我说也就这些,然后我一下子真说不出来了

正所谓好事不出门,坏事传千里,潮汕那些负面形象就被大家广为“传颂”。

排外,老问题了,为什么到全国各地都在吸引投资,吸引人才发展城市的今天,还有人排外?我一个外地长大的揭阳人都会被当“外省仔”对待,难道非要我拿户口本出来证明自己的祖籍吗?他们的理由相当简单,本地人为什么不说本地话?意思是只有说本地话的人才是本地人,真的是很单纯,幼稚。这问题我在当地被问了无数次,我都要耐心解释一番。但如果在珠三角,在深圳,在粤港澳大湾区,你说什么话,来自哪里,很重要吗?说潮汕话就一定自己人了吗?说不同方言就不是自己人吗?

“外省仔”这个词在当今社会太刺耳了,我思考过,潮汕地区还比较封闭,文化过于自信是病因。不少人从未踏出潮汕地区没见过世面,对本地文化有种迷之优越感。文化自信固然是好事,但自信过头排斥外来文化就不对了。

胶已人,本来是潮汕人形容自己人,自家人的。在我的理解,胶已人是从家族从情感认同上来判断自己人,但现在不少潮汕人却从方言上来判断,只要会说潮汕话才是胶已人,这就无形中将潮汕人与外来人划了条难以逾越的鸿沟,让外来人有了被排外的感觉。

重男轻女,没有外面说的严重,只听说在潮阳区有这现象,并不是整个潮汕地区,但潮阳区能代表整个潮汕地区吗?显然不能,这点被黑确实有必要澄清。

落后,发展停滞,刚成立特区时,汕头确实有过一段辉煌的时期,但是,后期就有点飘了,利用优惠政策做了不该做的事情,出了事又做了些不光彩的事情,导致这里成了广东发展的死角,这也是汕头,乃至潮汕地区被人诟病的地方。

从以上几点看出,潮汕被黑主要是落后,封闭,不透明,由于外界对潮汕不了解,容易道听途说。

解决方法

1、发展,要根据自己的特点努力发展经济,汕头发展旅游、宜居城市会比发展工业城市更容易。整天喊口号,领导走马灯什么也做不成。制造正面,向上的消息,经济上去了,负面消息自然会少

2、开放,放眼全国放眼世界,多了解不同国家,不同民族,不同地域的文化,接受,吸收,融合外部多元文化,为本地文化注入新元素

3、包容,面对外界的批评和指责,要敢于面对、敢于发声,有就是有,没有就是没有,不要一概不理会,也不要一概排斥,做到有一说一。即使有人地域黑,我们也要拿出证据,证明我们被黑。

  • 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