鸿蒙系统怎么关闭地理位置通知,让隐私无忧,查看和去除照片地理位置信息的App小集合...

让隐私无忧,查看和去除照片地理位置信息的App小集合

2019-11-04 22:49:52

0点赞

14收藏

0评论

06932fee1a544f581498dd621ba97b95.png

378d2f8481bebb57499f700899d71fac.png

“当你拍好一张照片想要发送给别人时,虽然选择原图可以保证照片的清晰度,但同时的你也将自己的地理位置隐私暴露出去了!  这是为什么呢?  因为你在拍照时相机就已经自动将你手机中的型号、拍照的地点以及路径都记录下来,这在无形当中告诉了别人你的行踪!尤其是对女票谎称在兄弟家看球的小伙伴要注意啊。”

787803ae83df064858a3deca5b89de68.png

详细记录

为了大家的隐私安全着想,火箭君在这里给大家介绍几款清除照片地理信息的方法和App。

(以iOS为例)

从根本解决

首先进入“系统设置”,选择“隐私”,可以看到有哪些应用是可以共享位置的,这个时候只要点击“相机”,选择禁用定位服务即可。

b1c8c9141e0525a72b65f19247e03843.png

虽然这样相机就无法访问位置权限了,但是如果打开相册可以看到自己什么时候在某地游玩、在哪条小吃街吃东西…………也是很美妙的一个感觉。

547ac2e58bfa532311dbb223b59c9ab4.png

IPhone 手机相册记录的地理位置

但是我仅仅只是想在分享图片的时候清除地理信息,不过在自己手机上还是可以看到按照区域划分的图片。

显然“关闭定位”是一个“因噎废食”的方法。

这时候就应该有一些神奇的APP登场了。Metapho

d399b0fc9f42da47abceddd3fd6f7eba.png

可以控制你照片数据的一款APP

在Metapho 中,你可以查看照片的一个基本数据;可以编辑照片的基本信息,例如照片的日期以及地理位置数据;或者为了保护你的隐私安全,在分享照片时也可以选择删除图片数据,后期当然也是可以恢复的。

a916adb2fdab1fd072b725b69f82e4b8.png

不过要是想要使用全部的功能就要付2.99刀,大概是19软妹币即可。

HashPhotos

333158672ff4c4ddd138af2a46375bad.png

功能全面的图片管理器

HashPhotos 适用于ios 9.1+ 的 iPhone 以及 iPad ,免费使用。

APP 不仅提供清除照片的地理信息,还能够批量处理图片的尺寸及日期信息。为什么说 HashPhotos 是图片管理器呢?应为 HashPhotos 不仅仅有以上功能,你还能给图片添加标签,然后通过标签很快的检索图片,并且还是免费使用,所以  HashPhotos  也是一个不错的选择。

2ae6936ee216e19f8628f6c130b2c5fe.png

ViewExif

ef112b8f5106da3f32afc4572d53d458.png

可以查看手机上图片和视频的元数据

ViewExif不仅可以查看到详细的照片信息,同时在分享的时候也能够清除照片信息,保护好你的隐私安全。

e8eb5d36a42d12bcf04da279660ac22b.png

不过想要使用 ViewExif 的全部功能,你还要付6.5的软妹币,解锁功能,也就一顿早饭的价钱。

Koredoko

d8a23df769f001103a057a960d62d02e.png

显示相册中照片的地理位置

使用 Koredoko查看照片,你可以很详细的看到照片的地理位置,会在地图上明确的标注经纬度和时间日期,即使你自己忘记照片是在哪拍的,用 Koredoko 也能帮你一秒想起来,当然也能清楚地理信息。这款也是免费使用呢。

544ce80e577009a95245c85c11c78c2c.png

最后

不管使用什么效率工具,目的都是为了保护好你的隐私,所以千万不要拿这个去测试你的男票/女票哦 ,否则后果很严重!

使用安卓的小伙伴们,貌似没有什么特别好的通用App,但直接用第一种“从根本解决”的方案还是效果不错的。

如果您还有更好的安卓系统中类似的App,也欢迎你直接留言分享给火箭君和大家! 谢谢先!

未经授权,不得转载

c2ad9c123c4d84295e50d901fd065b58.png

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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