时尚与速度的碰撞 希捷酷鱼飞翼(Fast)固态硬盘

当固态硬盘走上容量提升、价格下降的普及通道之后,不少产品线都因此受益,移动硬盘便是其中之一。固态硬盘赋予移动硬盘产品更轻巧的体积以及更快的传输速度,让用户的移动存储体验变得更好。希捷最新推出的酷鱼飞翼(Fast)固态硬盘,就是这样一款兼顾了时尚便携设计与不俗性能表现的产品。     

2000元级“机皇”——iQOO Neo3智能手机

今年骁龙865平台各路神机上市,60万+的跑分加上5G高速网络让人心动不已。不过看到价格,小朋友确实满脸问号—怎么今年这一波新品的价格都这么高?且不说各家旗舰新品都打到了5000元价位,眼下最便宜的865新品也要3500元才能拿下。而就在4月下旬,智能手机品牌iQOO召开以“生而为赢”为主题的线上新品发布会,正式推出旗下Neo系列首款5G终端产品—iQOO Neo3,售价仅为2698元起。     

我是一块“砖”?小巧抗造随你搬——LaCie Rugged SSD移动硬盘系列

关注GEEK的老读者一定还记得,《极客不打码》视频频道之前评测过一款硬核的三防移动硬盘LaCie Rugged移动硬盘。抗汽车碾压、防摔和防水防尘的三防性能,让这款产品可以在用户手中拥有更广阔的想象空间。特别是对于笔者这类又要写稿又要做视频的小伙伴,你能想象一下每天有大量素材要移动存储,对待移动硬盘往往要像伺候大爷一样小心携带,生怕摔了碰了影响工作。因此升级三防级别的移动硬盘也一直是笔者的心愿,毕竟这会让硬盘数据的安全性得到一步到位的提升。而LaCie最新推出的LaCie Rugged SSD系列,正是LaCie Rugged系列的全新固态版本,无论是外观、性能,还是接口、防护能力实现了全方位的升级。     

基于LBSN动态异构网络的时间感知兴趣点推荐

随着基于位置社交网络(Location-Based Social Network,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐可以帮助人们发现有趣的并吸引人的位置。针对签到数据的稀疏性和用户兴趣的动态性等挑战性问题,提出了基于LBSN动态异构网络的时间感知兴趣点推荐算法。在LBSN异构网络模式中增加会话节点类型。通过动态元路径,在用户和兴趣点语义关系之间有效地融入时间信息、位置信息和社交信息等。设置了用户-兴趣点之间的动态元路径集,并提出了动态路径实例的偏好度计算方法。采用矩阵分解模型对不同动态偏好矩阵进行矩阵分解。根据不同动态元路径的用户特征矩阵和兴趣点特征矩阵,获取用户在目标时间访问兴趣点的推荐列表。实验结果表明,与其他兴趣点推荐方法相比,所提方法在兴趣点推荐精确度上取得了较好的推荐结果,具有良好的应用前景。     

改进RetinaFace的自然场景口罩佩戴检测算法

新型冠状病毒可以通过空气中的飞沫、气溶胶等载体进行传播，在公共场所下正确佩戴口罩可以有效地防止病毒的传播。提出了一种自然场景下人脸口罩佩戴检测方法，对RetinaFace算法进行了改进，增加了人脸口罩佩戴检测任务，优化了损失函数。在特征金字塔网络中引入了一种改进的自注意力机制，增强了特征图的表达能力。建立了包含3 000张图片的数据集，并进行手工标注，用于网络训练。实验结果表明该算法可以有效进行口罩佩戴检测，在自然场景视频中也取得了不错的检测效果。     

贝叶斯网络查询语义扩展的专家发现方法

专家发现是实体检索领域的一个研究热点，针对经典专家发现模型存在索引术语独立性假设与检索性能低的缺陷，提出一种基于贝叶斯网络模型的专家发现方法。该方法模型采用四层网络结构，能够实现图形化的概率推理，同时运用词向量技术能够实现查询术语的语义扩展。实验结果显示该模型在多个评价指标上均优于经典专家发现模型，能够有效实现查询术语语义扩展，提高专家检索性能。     

考虑交叉销售的O2O供应链合作广告策略研究

基于网络零售平台与制造商的合作广告实践，运用Stackelberg博弈理论研究了平台交叉销售效应及合作广告引导作用对O2O供应链合作广告决策的影响，并通过数值算例对参与合作广告计划前后渠道成员的决策变量均衡结果和利润进行对比分析，研究发现平台交叉销售效应是影响网络零售平台合作广告计划制定和实施的关键因素，只有当其达到一定水平时，制造商才拥有参与网络零售平台合作广告计划的资格；在一定条件时，合作广告计划能够实现制造商和网络零售平台利润的提升；当平台交叉销售效应较大时，网络零售平台获得的利润大于制造商。     

基于条件信息卷积生成对抗网络的图像识别

传统的图像识别方法需要大量有标签样本进行训练，且模型训练难以达到稳定。针对这些问题，结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络（C-Info-DCGAN）。模型增加图像的类别信息和潜在信息作为输入数据，然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用，并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明，该方法能够加快模型训练收敛速度，并有效提高图像识别的准确率。     

结合边缘特征先验引导的深度卷积显著性检测

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息，且在复杂场景中难以检测出鲁棒性强的显著性区域的问题，提出了一种结合边缘特征，利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图，通过注意力机制将提取的先验特征与深度特征有效融合，最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域，从而产生更可靠的最终显著图预测。经过实验定性定量分析，对比证明了算法的可靠性。