传统企业:不做电子商务或将被淘汰

 近几年,各大国际品牌商纷纷发力电子商务领域,官方网上商城已经成为其重要的销售渠道。近日,记者获悉,全球智能手机三大品牌之一的HTC在中国的官方网上商城也将于1月21日正式上线。同时电子商务外包服务商兴长信达,成为HTC官方网上商城的惟一指定技术提供商及运营服务商。

  据悉,即将上线的HTC官方网上商城是HTC在全球的首家官方网上商城。HTC此次选择以独立的品牌官方商城方式进军电子商务领域,主要目的是为了将现有的资源(比如e-Club、应用商城)与线上业务进行无缝对接,提供给用户从购机、软件应用到售后服务等各方面完善的增值服务。
  当前智能手机市场竞争日趋激烈,进入国内市场仅半年的HTC为了及时追赶并超越苹果、三星、LG等竞争对手,希望能够快速高效地搭建并启用网上商城,拓展销售渠道来加大市场竞争力。但是对于专注于传统渠道的品牌商来说,依靠自身经验进入全新的电子商务领域见效缓慢。此时一站式全程电子商务服务商成为HTC的最佳选择。这就使曾经成功搭建和运营诺基亚、摩托罗拉、索尼爱立信、多普达等品牌官方网上商城的兴长信达成为HTC的首选合作伙伴。
  在合作过程中,是否品牌商会将所有权力完全交付电子商务服务商?对此,HTC相关负责人表示,官方网上商城的所有权和定价权在HTC,而兴长信达为HTC官方网上商城提供全套的电子商务服务,整合了建站、运维、运营、营销推广、仓储、物流、CRM、数据挖掘、客服、售后等各个环节。HTC拥有品牌优势,兴长信达拥有技术和服务优势,这种优势互补就解决了传统电子商务面临的品牌塑造和产品积压两大难题。
  兴长信达COO邓罡指出,HTC品牌直接进入中国内地并积极拓展销售渠道,一方面,这有利于加强HTC品牌形象的提升,也体现了HTC对中国内地市场的重视;另一方面,也可能在短时间内将行货、水货的价格矛盾更尖锐化,会有阵痛期。数据显示,2010年HTC全球销售总量达到2000万部,在2011年的目标总销量为6000万部。对此,兴长信达创始人及董事长刘磊表示,电子商务服务业给传统企业带来的是最后一次机会,如果不大力发展电子商务业务,传统企业将慢慢掉队,市场份额将被逐渐蚕食。
  对于手机品牌相继开展电子商务业务的现状,电子商务专家表示,手机品牌的线上渠道是线下渠道的有力补充,不可或缺,与线下渠道相辅相成,以满足不同类型消费者的需求。线上渠道如果不是只奉行低价策略,就可以和线下渠道共生共荣
本文转自刘红杰新浪博客: http://blog.sina.com.cn/jackyliu1977
  • 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