捷达vs7测试_德系品质遭质疑?捷达VS7性能如何,测试场上见分晓!

捷达虽与大众在前不久“分了家”,但依旧继承了诞生于MQB平台的德系品质。而今年3月上市的“新当家中型SUV”——捷达VS7,更是因亲民的价格广受关注。10.48万元-13.38万元的售价,让自主品牌的安稳日子怕是过不长了。

4cbf4168bc86b45b0e325730ccd0ef71.png

这不,誓要独立到底的捷达VS7,不仅换了标,“整了容“,还”狠心”摒弃了大众的双离合。 1.4T高功率发动机+6AT变速箱的全新动力组合,能彻底改变人们对顿挫感和故障频发的担心吗?它的基础性能表现,能否力压同级别自主“群狼”?

af9ed0d70031ed0798ae425fc3165daa.png

汽车专家包腾锦将围绕这辆a76262a77dfe135465ac18f447a7c0f8.png捷达(参数|图片)VS7(顶配版1.4T发动机)的动力、安全、操控等方面展开严苛的基础测评, 包括百公里加速、制动距离、蛇形绕桩和麋鹿测试。旨在希望通过相对比较极限的测试方法以及直观的成绩数据,来向消费者详细展现出车辆的真实性能。

1、百公里加速测试

由于c955b01a37e4eeca6299b18960bb4d6f.pngVS7(参数|图片)搭载的是在技术上已经非常成熟的6AT变速箱,所以油门的响应和整个换挡的平顺性表现还是比较不错的。但当换挡转速达到近6000转时,会出现一个较为明显的迟滞状态,从而一定程度上影响了本环节的测试成绩。

经过十次连续测试,最终它的最好成绩锁定在10.02秒。包腾锦认为,这样的表现还是可以接受的,实际驾驶时,也没有明显的动力不足问题。

cae216acff3e0841750f229b341adbaf.gif

2、紧急制动测试

39.53米的最好成绩算是位居同级别车型的中上水平。18寸的轮胎,横截面较大,如果换用质量更好、抓地能力更高的品牌,或许成绩还能再提升一些。

b9d915c8c7c2f456d59808babf821e5a.gif

看看包老师的表情,就知道想刹住它有多难了。大力,再大力一些!

f71c4c741083995ced9d6b62600399da.gif

3、蛇形绕桩测试

虽然存在推头明显、尾部不稳定等问题,但整体的可控性还是较为不错的。连续测试后,这辆中型SUV的最好成绩定格在了 11.94秒。 经过换算,最终成绩为54.27公里每小时。

44aa7763505b9aa2e451c2fbd340e1fa.gif

4、麋鹿测试

令包腾锦颇感失望的是,一向主打操控感的捷达,显然在这款车上“没有用心”。推头、尾部滑动的情况,同样也出现在本环节中。 最终,它的最好成绩为67公里每小时,还有待进一步的提升。

31e55e81d6189014e8cae1f669205ce7.gif

88de1897d8cd3c5eedef73feb012f28d.gif

相比与竞争对手,来自自主品牌的哈弗ad4cc0b31ce966ec701c8cc9b0080564.pngH6(参数|图片)、捷途7a2462d7ef65942cbe0baa7e678d222d.pngX70(参数|图片)和长安fd90505dcdb269655749c21e1d6c5147.pngCS75(参数|图片) PLUS的基础性能测试表现,即便合资出身,捷达VS7也不得不甘拜下风。

e293ba877acfc079bfbbdf2d2324156a.png

那这辆捷达VS7在外观内饰、底盘、防碰撞能力、油耗和实际驾驶感受等方面又会带来怎样的表现呢?能否成功扳回一局呢?首次拆解车头,汽车专家单方晓发现了哪些不为人知的秘密?编辑们对于它的表现将作何评价?

更多精彩内容,请锁定今晚21:40,贵州卫视,《汽车评中评》带您 深度解析捷达VS7产品力,看其如何打响“自主/合资10-15万级SUV市场争夺”之战!

  • 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