何以笙箫默,一部有剧情的创意广告集?

wKiom1THYVuh56UhAAGr_V-Y6C4146.jpg

  向来缘浅,奈何情深。

  如果世界上曾经有那个人出现过,其他人都会变成将就。我不愿意将就。

  我考虑过了,如果三年后你注定是我女朋友,我何不提早行使我的权利。

  婚姻,就是男女双方在平等自愿的基础上建立的长期契约。

  我从来没有招惹你,你为什么要来招惹我?既然招惹了,为什么半途而废?

  有些人的伤口是在时间中慢慢痊愈,有些人的伤口是在时间中慢慢溃烂。

  经过那么多年,我还是输给了你,一败涂地。

  这些日子以来,“何以体”爆红网络。《何以笙箫默》最牵动人心的,莫过于男主角“不愿将就”的痴心等待,而“男神”钟汉良所饰演的何以琛不经意间的告白,更被无数观众奉为经典。

  不少品牌开始用“何以体”做起推广,但在我看来,无论他们写得多么花枝招展,都不如剧中硬广来得汹涌澎湃啊!这部剧中植入广告横冲直撞,据说“这个剧估计可以做一个挤满20个品牌露出赢大奖的活动。”作为一种营销手段,也是够傲娇的!简直就成了有剧情的创意广告集了。

  “千里送你养乐多,喝了保准不生气”

  大学时代的赵默笙还没得上僵尸脸的怪病,相当的活泼可爱,惯以用养乐多收买人心,坚持走群众路线获得后援团的全力支持,同时也让小何律师“提早行使了权利”。

wKioL1THYmmiHzxwAAFaACvcUXM955.jpg

  999感冒灵与三九胃泰见证爱情

  赵师妹的死缠烂打终于赢得了校草的默许。于是你送我999感冒灵颗粒,我回赠你三九胃泰颗粒,的确是“暖暖的,很贴心”。

wKiom1THYaDxP6vYAADDGT7DvsE156.jpg

  也难怪,默笙7年后与以琛度蜜月还能及时掏出感冒颗粒,简直就是真爱的见证啊,有木有!

wKioL1THYprQkaeHAAEL23jAZAo177.jpg

  Rio任性霸屏!

  有了RIO鸡尾酒,开心聚餐时要喝,失恋落魄时也要喝,甚至剧中女主角扮演的摄影师还得给这个产品拍广告宣传片……

wKiom1THYdaDgs6wAAGDOnzm2zo332.jpg

  国产品牌——海马汽车,《何以笙箫默》专用座驾!

  剧中除了何律师买得起宝马之外,其他一众配角“神一致”都是海马的脑残粉,而且还有广告词!

wKiom1THYfbzPYu2AAFwKDUQ6mU389.jpg

  何律师教你“何以用淘宝”

  最后就是喜闻乐见的阿里家族,手机淘宝、淘点点、天猫超市。剧中演员角色大多是都市白领,精英人士,动不动就要在手机淘宝上订订点心、用淘点点搜搜附近等等。其中还有何律师手把手地教你如何用手机淘宝订机票哦~

wKioL1THYu7y-TQBAAEn1_2A50Q133.jpg

  哎呀,好精妙的植入广告啊,一般人还真看不出来。

  剧中的植入广告随着该剧热播火起来了,其中自然少不了有心人的推动,但事实确实是这些品牌不断走进人们的视线!!

  说起来,看剧吐槽广告,也未尝不是一种营销手段。与其犹抱琵琶半遮面,不如简单粗暴快准狠。我是这么说的,他们也是这么做的。管他是否影响剧情、是否不合时宜、是否过于赤裸裸,品牌露出的多了,观众自然就认识了,观众集体开骂了,说明产品影响力达到了,不用去考虑艺术与商业的完美结合,就是任性、就是砸钱。

  好吧,借用“何以体”结个尾:

  如果世界上曾经有一部广告植入简单粗暴的电视剧出现过,那么其它的电视剧就会变成将就,我们不愿意将就。——广告主


























本文转自于明51CTO博客,原文链接:http://blog.51cto.com/shayu/1608909,如需转载请自行联系原作者

  • 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