java向上造型的优点_经典碟变 JAVA佳沃 SILURO 3 碟刹公路评测

SILURO(鱼雷)是JAVA公路车系列开山始祖型号,以其出彩的外形涂装设计和精准的市场价格卡位,SILURO多年来都保持着不错的销售增量,也成为JAVA公路车系列的一大拳头产品。

8f572103be8336886bad8f0944eaf9ac.png

四年前JAVA凭借敏锐的市场嗅觉和判断力,秉承精细化风格和高性价比,赋予SILURO全新的定位,成功抢占28XX价位训练入门级公路车市场。

两年前,JAVA将高阶破风车型的气动设计元素下放至SILURO,SILURO 2由此诞生。

2019年,迎合碟刹浪潮,鱼雷形态再进化,SILURO 3重磅登场。

048cc29d6acbaec304f5c65ed3d7fa25.png

说实话,当我得知本次评测的对象是一款价格在36XX,重量高达11kg的碟刹公路车时,我的内心是拒绝的。这意味着在接下来的几个月的酷暑天气里,我要每天扛着这辆配置平凡、重量不凡的公路车徒步上下九楼;另一方面,JAVA又是一个极具争议性的品牌,倘若某句话讲的不顺读者意,恐怕评论区里又是各种口诛笔伐。好在收到这辆车时,发现还是有些地方值得和大家聊聊,优点也好,缺点也罢,理性看待。

b8970e8924cee7b7a58d161edd463f56.png

首先我们来看看几何。SILURO 3的尺码非常有意思,直接PASS掉了传统“买小不买大,小尺码更好骑”的神论,最小尺寸锁定在49,最大尺码去到61。

其实透过STR值(Stack与Reach的比值)我们不难发现,车架尺码越大,几何越舒适,55到61的车架S/R值在1.41-1.44之间,搭配原装15mm喇叭口垫圈所带来的抬升,车架性能取向已经属于中庸甚至是舒适型,也打破了之前JAVA破风杀人几何的魔咒。53码可以看作是SILURO 3几何的分水岭,也是本次评测尺码,而柔韧性较好的车友可以尝试偏进取型的几何设定。

0da3e93757e87e2ea2b63c7a42f5c431.png

涂装方面,个人感觉SILURO 3与上两代车款相比有很大的提升。首先SILURO 3砍掉了Italia元素,强化品牌LOGO和车款系列的露出,设计语言更自然坦诚;其次,SILURO 3摒弃了上一代多色块碰撞拼接的表达方式,采用底色加一种点缀色加企业色的配色方案,以间断的细斜纹线条展现速度感,简洁流畅,相对而言更符合大众审美。

4fa3e20e4ebded81036e54d34e1d1593.png

平焊加补土,连造型复杂的五通处都毫无破绽,外观无限接近碳架,这是一种怎样的体验呢?大概就是那些不明真相的吃瓜车友经过,总要在车架上敲几个脑瓜崩,然后爆出一句:“哦,原来是铝架!”

c9cf137ff8e43a2212fe49d7401b140c.png 3da801a4e880ee2f195c013c2933b42b.png

坐管锁紧螺丝和防尘垫圈的细节处理相当到位

d2fa7a30081bd186abf425ce4a62dbd8.png

就漆面光洁度、平整度、水标工艺而言,在市场同价位碟刹公路产品中,SILURO 3的“表面功夫”做的的确挺赞。

换个角度来讲,当下消费升级的背后,实质是审美升级,如果一个品牌连“表面功夫”都做不好,也就意味着在市场竞争的第一步就已经落后了。

bb5cd9dfff578796a2a5930c343e3696.png

碟刹是这款SILURO 3最大的亮点,在组装过程中就能发现碟刹带来的改变。

5d4c1fcac85e0fada494792ac95fb288.png

后刹车入线孔转移到下管,前刹车线管从叉肩穿入,这些都使得刹车线管的走势与变速线管更贴近,原厂套入一截热缩管进行收缚,车辆前端看起来相当整洁清爽。

不过JAVA做BOM表的童鞋可能是山地车玩家,忘记配上前拨微调螺丝,给后期装车带来了一些不必要的麻烦。

3414463d430499532f38a694ecfdfbf4.png

雨骑之后清理前叉和后上叉的这些犄角旮旯,一股碟刹优越感油然而生

33515ad6554df9c9beedf743ffcf8a34.png

快拆结构便于日常拆装,符合产品定位及使用场景,进地铁、路边补个胎啥的也不用随身带根内六角。但另一方面,快拆结构牺牲了部分强度,每次拆装都要用十分精确的力度锁紧才不会蹭碟,后续升级也会有一定的限制,因此大家在选购之初要考虑清楚,是想一步到位,还是计划小火慢炖。

41e1e1230e76c1d2db73241c40941213.png

这套疑似台产线拉油碟也是SILURO 3上比较有意思的地方。首先,明确一点,一分钱一分货,不要奢想这套组合有秒天秒地秒105的手感;其次,在同等产品价格区间内,这确实是一套性价比颇高的碟刹方案。

在刹车手感和制动力方面,SILURO 3与SILURO 2相比简直是质的飞跃,也充分体现了碟刹在制动力上的优势。手指再也不用与刹车皮和车圈做抗争,一触即有的刹车反馈、更自信更凌厉的下坡快感会让你觉得这几百块的差价真的是物有所值。

另一方面,正如前面所说,这是一套极具性价比的公路碟刹方案,但并不是最完美的方案。首先在刹车操作时,与纯液压系统相比,还是能察觉到线拉油碟细微的阻力感,尤其是在制动的初始阶段。其次,刹车夹器的品控有待提升,评测车辆的后夹器两侧活塞动作不平衡,内侧活塞轻微外凸,且活塞四周有些许油渍,同时刹车夹器紧固螺丝未进行防松脱处理,对于一个注重品质的严谨车企,希望这些问题能在量产批次中得到改善。

f44a9434ed8d77a9a2ec30f7c49a712f.png

涂有蓝色耐落胶的机米螺丝起到微调夹器摇臂的作用,然而由于后上叉干涉,操作空间不足,用L型内六角扳手无法在安装完成状态下进行微调,比较尴尬。

8770a91e090bd3b9f7fcbe96e3fb24f3.png

后轮碟刹制动侧辐条采用放射编法,咱也看不懂,咱也不敢问,只知道在高速制动时,后轮的支撑感确实略显薄弱。

40f4f5023b76b1d336c181ad8cc35ebe.png

除了制动力的提升,碟刹的另一大优势就是能取消刹车边,让车圈上的LOGO更大更醒目,然而厂家似乎并没有针对这一点进行调整,车圈还是圈刹版本,好在不用担心刹车边磨损掉色的问题。

原装搭配建大25C外胎,能找回些许舒适性,但对于这种肌肉型破风铝架来说,只能是杯水车薪。

c05f2e65339a4d4b6a206f173bf3e76c.png

对于这款SILURO 3来说,大多数情况下碟刹带来的并不是速度上的增益,而是更自信的操控感、更强的可玩性。在实际骑行过程中,SILURO 3给人的感觉是四平八稳,车身硬朗,前端操控偏沉稳,具有一定的容错性,对新手玩家比较友好。

175f3367b8c576997a671310e60eeade.png

实称11kg的车身重量是每个用户必须要面对的现实。与SILURO 2相比,升级碟刹系统增重了近500克,考虑到碟刹带来的制动性能提升,也就没有什么好说的了,人无完人,车无完车。起步反馈略显迟钝,当速度上到30KM/H之后拖沓感逐渐消散,个人感觉平路30-37KM/H之间是SILURO 3的舒适区,当遇到节奏或者地形的变化,无论是掉出这个区间或是突破这个区间,SILURO 3的性能短板就会暴露出来。不过对于SILURO 3的购买用户,想必还是以骑游健身为主,如果以竞技为目的,建议再攒攒钱,考虑一下更高阶的车款。

c975bca488df91b1d458bab7e2a1a621.png

站在市场端的角度来看这款车,同价位的碟刹公路产品中,JAVA SILURO 3并不是骑乘体验最佳的产品,在重量、舒适性等方面还有优化空间,然而从产品的整体感觉,包括涂装细节、车架造型、配置方案等方面来讲,JAVA SILURO 3是一款极具冲击感和市场竞争力的产品。一个行业,正因有多样化的选择和取舍,才显得有趣,玩家如此,产品亦是如此。

4c6d9db952997bb94331cfc45aa0dfc8.png
  • 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