我是如何推理出王珞丹住址的

标签: 图片 文字 住址 如何推理出 我是 | 发表时间:2011-08-12 09:00 | 作者:future 未来
出处:http://www.installb.com
前言 不错,我确实知道王珞丹(《杜拉拉升职记》的女主角)的住址,只可惜是前住址,因为她最近搬家了。我分析出她住址是在一年前,那时候她还住在那里。前段时间有人问我是如何推理出王珞丹住址的,我没有说,一来是因为为了尊重别人的隐私,二来我也不是狗仔队。 今天碰巧骑车路过那里,看到大大的窗玻璃上贴着招租的广告,便知道她已搬家。既然搬家了,那么我把去年分析推理出她住址的过程说出来便也无妨。 起因是这样,去年暑假有一次坐出租车回家,听见司机聊天说“整天在北京跑来跑去,也不知道电视里那些明星都住在哪”,我一想也对,明星的住址是很少有人知道的,想获知他们的住址很困难,是常人无法做到的。既然是件有挑战性的工作,我倒不妨一试。于是当天回家我花了四十分钟把王络丹的住址查了出来,之所以选择她,是因为那段时间我碰巧在看《杜拉拉升职记》。 其实要想查任何人的住址都是可以做到的,只要拿着Google earth一个街区一个街区的搜索就可以了,也没有什么技术含量。但这要花上数天乃至一周,而要想在四十分钟之内找到某个人的住址,则需要适当的分析与推理。   第一阶段——信息获取 首先我在Baidu上搜索到了王珞丹的博客和微博,并对其上的信息进行筛选,获得了以下两张比较有价值的图片, 上下这两张图片,是她发表在微博上的从她家里往外拍的照片,表面上看,这是两张极为普通的照片,或许浏览者不会过多地注意,而实际上,这两张图片所传递的信息已足以推理出她家的位置。   让我们来具体分析一下: 首先,从风格上看,她家所在的小区是西式的,但是从她家(她租的房子)的玻璃来看,这个小区已经建成有一段时间了,玻璃框发黄而且有不可擦出的污垢。 第二,从房间正对的大楼来看,她住顶层。 第三,从第一张照片中可以看到小区中间有两个正方形的花坛,从第二张照片可以看到被挡住的第三个正方形花坛,地势由高到低,阶梯排布。也就是说,合在一起考虑,从俯视图上看,小区在一条直线上至少有三个一样大小的正方形花坛。这一点很重要。 第四,这三个花坛不尽相同,左数第一个和第三个是里面外面都有植被,中间那个里面没有植被只有外面有,也就是讲,如果我们从空中俯视,我们将看到在一片较为空旷的区域的一条直线上,看到三个正方形边框,其中两个被绿色包围、填充,中间那个被绿色包围,中间有投射下的部分阴影。 第五,正方形连线的一段是一个俯视图为长方形的拱门建筑。   以上便是我所能够从这两张照片中分析出的信息。下一步要锁定这个小区。 打开Google Earth。下面这张图是我截取的一张北京城区的俯视图,为了方便解说我的分析过程,将其划分为九个区域。划分方式我是按照四环为标准的,也就是E区域的边界便是四环。为什么这样划分我稍后说明。 很显然,这仅仅是一张大比例的俯视图,放大比例尺之后,每一个区域都够浏览几个小时的。 下面要做的工作就是一一排除这些待选区域,有的区域无法立即排除,需要在其他某个关联区域被排除掉之后才能够排除,这个我稍后会具体解释。   第二阶段——区域筛选   以下是我排除非关联区域的过程:   (一)在她的微博上,我注意到有这样一条: 联排要到城里的摄影棚去,而她堵车堵在四环,时间是下午一点五十左右,刚好是从家里吃过午饭往摄制组赶的时间,说明她家不在四环以里。虽然不够充分,但极有可能是这样的。在她另一条微博里,她提到演出这么多年,自己还没有在北京中心地带买一套房子,便是佐证。因此排除E区域。   (二)另一条引起我注意的微博是这样的: “都开到中关村了”说明平时他们居住的地区离中关村很远,另外对中关村这一代并不熟悉,所以才需要导航仪导航。因此排除中关村所在的区域D。   同时,关联区域A也随即排除,因为如果他们居住在区域A,那么只要进城就势必要途径中关村附近,而他们对中关村并不了解,还会迷路,所以不可能是A。   (三).区域B 和区域F我曾经居住过,对那附近较为了解,不存在这样的小区,所以排除区域B和区域F。   (四)那么我们还剩区域C和区域G、H、I。我当时决定将着眼点投向区域C,并不是因为有确凿的证据,而是基于以下几点因素: 百度搜索四环堵车路段,最常见的是北四环和东四环。 北京南部开发较晚,多为新建高层小区商品房,而从照片中分析,无论是从小区的建造年代还是楼房层数都不大符合这一带建筑的一般特点。 北京南部由于地理环境以及气候原因,空气、水都有较为严重的污染,试想一位已然走红的明星,有充足的钱去在环境相对更好的地方定居,为何会选择这里   基于以上这四点因素,我认为C区域的可能性最大。如果C区域没有,再对以上三区域进行搜索。   第三阶段——搜索 之前的分析大概花去了二十多分钟的时间,接下来的工作就是搜索。 在Google Earth 上我截取了如下这张俯视图,乍看上去,没有什么特别之处。 让我们对局部放大看一看: 请注意图片中间左部的三个正方形区域,注意这三个正方形在俯视图上的不同体现,再加上正方形区域边上的那个长方形区域,我们基本上可以确定,这就是我们所要找的目标小区。   第四阶段——实地检验 [...]
肿么觉得这些也不错捏

七道变态心理推理题

七个恐怖的推理题,看看你能猜出 几个?

就算知道是特技我也看了,因为你真的可以让我信以为真

霸道!金日成去世当天朝鲜人不许出生(图)
无觅

相关 [推理 王珞丹] 推荐:

我是如何推理出王珞丹住址的

- 未来 - 每日装B指南
前言 不错,我确实知道王珞丹(《杜拉拉升职记》的女主角)的住址,只可惜是前住址,因为她最近搬家了. 我分析出她住址是在一年前,那时候她还住在那里. 前段时间有人问我是如何推理出王珞丹住址的,我没有说,一来是因为为了尊重别人的隐私,二来我也不是狗仔队. 今天碰巧骑车路过那里,看到大大的窗玻璃上贴着招租的广告,便知道她已搬家.

【柯南在世,技术牛贴】我是如何推理出王珞丹住址的

- 小D - 天朝娱乐 | 每天开心一下!
不错,我确实知道王珞丹(《杜拉拉升职记》的女主角)的住址,只可惜是前住址,因为她最近搬家了. 我分析出她住址是在一年前,那时候她还住在那里. 前段时间有人问我是如何推理出王珞丹住址的,我没有说,一来是因为为了尊重别人的隐私,二来我也不是狗仔队. 今天碰巧骑车路过那里,看到大大的窗玻璃上贴着招租的广告,便知道她已搬家.

电车旅情推理剧!(咦?)《痴汉电车 下着检查》

- 葬月 - 怪奇文芸見世物小屋
自从漫画开始以后BLOG就理所当然似的没有更新了,不过凭着气力还是努力想把漫画尽快画完来继续BLOG,因此虽然质量比较悲伤但是速度还是让自己挺满意的说. 然后因为中途又经历了一次现实中的搬家的缘故,漫画的更新也停下来了. 然后虽然很突然,不过CHA研决定5月要一个人乘火车去旅行的说. 因此BLOG也好漫画也好,这一次就是处于真真正正完完全全的…….

推理不是寻求真理而只是一种武器

- La Mouette - Solidot
数个世纪以来,哲人们认为推理是人类独有的能力,引领人类超越感知,到达真理的彼岸. 理性让一位孤独的性灵走上一条哲学的,道德的和科学启蒙的光辉道路. 然而,法国的研究人员认为,推理是起源于一条完全不同的目的:赢得一场论战. 研究人员在《行为与脑科学期刊》上发表了他们的观点,作者之一的Hugo Mercier说,推理不是帮助我们获得更好的信仰,或者是作出更好的决定,它纯粹是一种社会现象,演变出来帮助我们说服其他人,或者是在其他人试图说服我们时保持警惕.

【第16期】本周侦探推理电影佳片推荐

- 高春辉 - 老蔡的推理博客
1、《何处寻真相》(Where the Truth Lies,2005,加拿大).   女记者卡伦正调查15年前一桩酒店凶案的真相. 当事人兰尼与文斯是搭档艺人,1972年两人巡演期间,在他们的套房中发现一具女尸,兰尼的自传声称死者因吃药过量而溺毙,但卡伦发现疑点重重……案件的真相到底是什么呢. 2、《十二宫》(Zodiac,2007,美国).

基于CPU的深度学习推理部署优化实践

- - 机器之心
随着人工智能技术在爱奇艺视频业务线的广泛应用,深度学习算法在云端的部署对计算资源,尤其是 GPU 资源的需求也在飞速增长. 如何提高深度学习应用部署效率,降低云平台运行成本,帮助算法及业务团队快速落地应用和服务,让 AI 发挥真正的生产力,是深度学习云平台团队努力的目标. 从基础架构的角度,GPU资源的紧缺和GPU 利用率的不足是我们面临的主要挑战.

深度神经网络推理引擎MNN开源

- -
MNN是一个轻量级的深度神经网络推理引擎,在端侧加载深度神经网络模型进行推理预测. 目前,MNN已经在阿里巴巴的手机淘宝、手机天猫、优酷等20多个App中使用,覆盖直播、短视频、搜索推荐、商品图像搜索、互动营销、权益发放、安全风控等场景. 此外,IoT等场景下也有若干应用. 针对端侧设备特点深度定制和裁剪,无任何依赖,可以方便地部署到移动设备和各种嵌入式设备中.

斜阳院教你如何将少女漫画解读为推理神作

- 嘉德豉油公司 - FeedzShare
来自: www.douban.com - FeedzShare  . 发布时间:2011年08月19日,  已有 3 人推荐. 推理小说中有一类诡计,被称为“隐形人”. “隐形人”这个说法取自切斯特顿的小说《The Invisible Man》. 在这部小说里,凶手在光天化日之下、进入现场杀人,却并未被站在一旁的人目击到.

李沐等将目标检测绝对精度提升 5%,不牺牲推理速度

- - 机器之心
目标检测无疑是计算机视觉领域最前沿的应用之一,吸引了各个领域诸多研究者的目光. 最前沿的检测器,包括类似 RCNN 的单(SSD 或 YOLO)或多阶神经网络都是基于图像分类骨干网络,如 VGG、ResNet、Inception 或 MobileNet 系列. 然而,由于模型容量和训练复杂度相对较高,目标检测受到的关注相对较少,从最近的训练微调研究中获益也较少.

MNN:面对端侧推理引擎的挑战,阿里工程师如何应对

- -
阿里妹导读:MNN(Mobile Neural Network)已于今年5月7日在 Github 上正式开源. 淘宝无线开发专家——陈以鎏(离青)在 GMTC 全球大前端技术大会为大家分享了 MNN 开发、开源中的思考与总结,通过淘宝在移动 AI 上的实践经验,你将会了解移动 AI 的发展状况和应用场景,以及通过端侧推理引擎了解移动/ IoT 深度优化策略.