qt android刘海屏状态栏,OPPO R15手机正式发布,也用上了刘海屏和 AI 人工智能

摘要: OPPO3月31日晚上联合浙江卫视正式发布OPPO R15手机,主打异形全面屏和AI人工智能,P60处理器的普通版售价2999元,骁龙660处理器的梦境版3299元。

7bb342affa1aa2ddd4c5827d83172d23.png

钛媒体注:OPPO于3月31日晚上联合浙江卫视打造春季盛典,正式发布了OPPO R15手机,在4月1日开售。在节目中,OPPO此次的代言除了去年的老面孔周杰伦、李易峰、王俊凯,也有今年新加入的张一山、杨紫这对荧幕CP。

事实上,OPPO在3月19日就已经对外公布了这款手机新品R15,主打异形全面屏(刘海屏)和AI人工智能。R15分为两个版本,采用P60处理器的普通版售价2999元;而采用骁龙660处理器的梦境红售价3299元,梦镜陶瓷黑则售价3499元。

两款手机都是6.28英寸19:9的异形全面屏,分辨率为2280×1080,屏占比高达90%,面板为OLED。颜色是OPPO这次在R15系列外观上强调的特色,采用双玻璃机身;由在色彩方面应用出色的全球知名工业设计师Karim Rashid参与设计。普通版R15有热力红、雪盈白和星空紫共三种颜色,R15梦镜版有梦镜红与陶瓷黑两种选择。

be024b4123ce90ac70978886593c5e4f.png

星空紫版和梦境红版

R15采用联发科Helio P60处理器,内置6GB RAM与128GB储存空间,支持VOOC快速充电。相机方面,前镜头为2000万像素,后镜头则为1600万像素+500万像素的双镜头组合。

R15梦镜版采用高通骁龙660处理器、内置6GB RAM与128GB储存空间。相机方面,前镜头一样为2000万像素,后镜头则为1600万像素+2000万像素的双镜头组合。

在双摄和在 AI 技术加持下,两款手机均提供人像景深虚化、2 倍变焦功能、智能美颜、3D人像打光和 800 多万种美颜方案。

值得一提的是,OPPO首次与商汤科技联合推出OPPO AR开发者平台,这个平台将帮助开发者更好地调用软硬件资源,实现AR效果的最优展示,推动AR在手机终端的应用和普及。

目前已经率先实现了京东、王者荣耀等超级APP的AR入驻。用户只要打开AR功能,就可以实地测量家电尺寸是否合适,颜色是否搭配,获得"眼见为实"的购物体验,或是将喜欢的角色置身到真实的场景中进行互动。

这也是在同质化越来越严重的手机市场,OPPO 寻求的一个差异化竞争。眼下,整个手机市场越来越向头部集中,形成一个由少数企业占据主要市场份额的T型竞争格局。

在OPPO 副总裁吴强看来,前五大手机品牌市场集中度已超过80%,市场从之前的“金字塔结构”变成今天纯粹的“T型结构”,位于头部的手机企业互相吃掉可能性并不大,最重要的自己不能犯错,否则代价将及其严重。

整个2017年,中国手机市场出货4.91亿部,同比下降了12.3%;全球智能手机出货总量也只实现14.70 亿台, 同比下滑0.1%,成为智能手机市场有史以来的首次下跌。但是,三星、苹果和中国手机业的第一梯队“华为、OPPO、vivo、小米”,销量都实现了不同比例的增长。据IDC数据,OPPO 在2017手机出货量为1.118亿部,居全球第四,同比增长12%。

不过,2018年对于 OPPO 来说并不轻松。用吴强此前的话来说,因为整体的市场环境是这样的,增长的幅度肯定不会有太高的期望值,保持住去年的规模或是略有增长,能增长就算不错了。

  • 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
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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