- 【ER-NeRF数字人】手把手教用ER-NeRF实现实时交互数字人
刘承卓
经验方法分享实时互动实时音视频人工智能
ER-NeRF数字人模型快速入手模型介绍模型对比完成定制数字人你可能还需要什么?1.克隆项目、安装依赖环境2.下载面部解析模型3.准备3DMM所需文件4.下载3DMM模型5.将要训练人物模型(视频文件)放在data目录下。以data//.mp4明明。例如:chinese.mp4就放在ER-NeRF/data/chinese/chinese.mp46.使用data_utils/process.py脚
- 3dmm近期论文综述
霞客环肥
关于3d重建,离不开3dmm或者是3dmm的思想。3dmm可以分为线性和非线性。关于如何求解3dmm的形状及纹理参数,又可以分为对2d图片做卷积处理,或是直接在mesh上做处理。在mesh上做图卷积是最近冒出来的新方向,在解决非欧几里德结构数据上有优越表现。0.回顾3dmm基于单张图像的三维人脸建模较为基础的方法就是99年的这篇《AMorphableModelForTheSynthesisOf3D
- 3DMM模型
平丘月初
3d
目录BFMBFM_200901_MorphableModel.matexp_pca.bintopology_info.npyexp_info.npyBFMBFM_200901_MorphableModel.matfromscipy.ioimportloadmatoriginal_BFM=loadmat("01_MorphableModel.mat")#dict_keys:['__header__'
- One-Shot Face Reenactment on Megapixels 译文
胖胖腐乳
语音驱动说话人人工智能计算机视觉cv语音识别
百万像素的一次性面部重演链接arxiv:https://arxiv.org/abs/2205.13368引言面部重现的目标是将目标表情和头部姿势转移到源面部,同时保留源身份。随着人脸相关应用的普及,关于这个话题的研究也很多。然而,现有方法的结果仍然局限于低分辨率并且缺乏真实感。在这项工作中,我们提出了一种称为MegaFR的一次性高分辨率面部重演方法。准确地说,我们通过使用基于3DMM的渲染图像来利
- A 3D Morphable Model learnt from 10,000 faces
深蓝蓝蓝蓝蓝
三套人脸数据模型:BFM,Facewarehouse,SFM,LSFM本文提到的是LSFM,提供了9663个不同身份人的3DMM模型和对应人的年龄,性别和种族背景48%男性,52%女性,82%白人,9%亚裔,5%混血,3%黑人,1%其他构建了一套全自动构建3DMM的流程:1.使用渲染图自动提取landmark2.在landmark的引导将原始3D模板形变已匹配输入的3D数据3.构建一个全局PCA,
- 【技术综述】基于3DMM的三维人脸重建技术总结
喜欢打酱油的老鸟
人工智能
基于图像的人脸三维重建在人脸分析与娱乐领域里有巨大的应用场景,同时它也可以用于提升人脸关键点检测,人脸识别,人脸编辑等很多任务。本文重点介绍其中基于3DMM模型的核心技术及其研究进展。作者&编辑|言有三1.什么是人脸三维重建人脸三维重建就是建立人脸的三维模型,它相对于二维人脸图像多了一个维度,在电影,游戏等领域应用广泛。目前获取人脸三维模型的方法主要包括三种,软件建模,仪器采集与基于图像的建模。(
- 数字人创作+SadTalker+GTX1080
三块钱0794
AI作画数字人SadTalkercuda
https://github.com/OpenTalker/SadTalker开源项目SadTalker模型是一个使用图片与音频文件自动合成人物说话动画的开源模型,我们自己给模型一张图片以及一段音频文件,模型会根据音频文件把传递的图片进行人脸的相应动作,比如张嘴,眨眼,移动头部等动作。SadTalker,它从音频中生成3DMM的3D运动系数(头部姿势、表情),并隐式调制一种新颖的3D感知面部渲染,
- Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression
深蓝蓝蓝蓝蓝
这篇文章解决的是从2D图片直接恢复3D人脸的一个问题。这篇文章没有用3DMM,用的是体素。所谓体素就是三维的像素。文章中提出的模型VRN由HourglassModule(漏斗形的CNN结构,漏斗两端都有对应的残差连接)堆叠而成。如下图所示,尝试了三个模型:1.直接通过2D图片恢复3D人脸2.先恢landmark,再将landmark与2D图像合并后预测3D人脸3.多任务联合优化,也即一边预测lan
- 3D Morphable Model Fitting from Multiple Views
深蓝蓝蓝蓝蓝
提出了一个通过图片流来预测3DMM模型的方式。本文假设所有的图片对应的身份信息和位姿信息都是已知的。计算方法就是将同一个人的多个视角图片联合优化,并且假设这些图片中表情都是一样的,即人脸只进行刚性形变。
- 数字人入门文章速览
Zero_to_zero1234
人工智能
语音驱动三维人脸方法OPPO数字人语音驱动面部技术实践【万字长文】虚拟人漫谈Blendshape学习笔记人脸重建速览,从3DMM到表情驱动动画功能强大的python包(四):OpenCV从Blendshapes到Animoji3D人脸重建算法汇总一、3D人脸重建基础梳理二、开源3D人脸重建项目整理三、3DMM(人脸3D形变统计模型)推荐:3D人脸重建–学习笔记VR来了,3D人脸重建跟上->《三维人
- 探索基于300W-LP的3D人脸关键点检测
烧技湾
ComputerVision3d
目录前言一、3D关键点可视化二、使用步骤1.300W-LP转为YOLO数据格式2.修改数据入口3.开始训练总结前言300WLP数据集提供来丰富的人脸线索,包括2D或3D的关键点信息,HeadAngle和3DMM的参数等.它可以用于2/3D的人脸关键点检测,以及头部姿态检测等任务.这里,我们尝试去实现端到段的3D人脸关键点检测.一、3D关键点可视化如左图所示,其3D特征点其实是在相机平面上的二维投影
- 基于YOLO的3D人脸关键点检测方案
烧技湾
YOLO3d
目录前言一、任务列表二、3D人脸关键点数据H3WB2.下载方法3.任务4.评估5.使用许可3DFAWAFLW2000-3D三、3D关键点的Z维度信息1.基于3DMM模型的方法2.H3WB四、当前SOTA的方法1.方法1五、我们的解决方法1.数据转为YOLO格式2.修改YOLO8Pose的入口出口3.开始训练,并记录过程4.对比分析5.改进总结前言YOLOLandmark解决了2D的人脸关键点检测问
- SadTalker:Stylized Audio-Driven Single Image Talking Face Animation(CVPR2023)
c2a2o2
人工智能ffmpeg
摘要通过人脸图像和一段语音音频生成会说话的头部视频仍然存在许多挑战。例如,不自然的头部运动,扭曲的表情和身份修改。我们认为这些问题主要是因为从耦合的二维运动场中学习。另一方面,显式使用3D信息也存在表达生硬和视频不连贯的问题。我们提出了SadTalker,它从音频中生成3DMM的3D运动系数(头部姿势,表情),并隐式调制了一种新颖的3D感知面部渲染,用于说话的头部生成。为了学习真实的运动系数,我们
- End-to-end 3D face reconstruction with deep neural networks
深蓝蓝蓝蓝蓝
提出了End-to-End3DFAceReconstruction(UH-E2FAR)模型,利用DNN来从单张2D图像中拟合出3DMM的形状参数本文将人脸形状分为两个子任务:身份和表情,然后通过优化两个loss联合训练。为了表示目标人脸S,先假设我们有平均脸S_bar,然后对所有人的中性脸做pca,就可以得到身份的主成分特征。之后再通过每个人不同扫描之间的偏移量做PCA得到表情的主成分特征。将这两
- Nonlinear 3D Face Morphable Model 论文笔记
HR_Reborn
论文笔记深度学习神经网络
1、传统线性3DMM:模型和纹理分别是平均值+基础值*系数——S=S¯+Aα,T(l)=T¯(l)+Bβ,此为3DMM的基础。并且提出了将3D人脸投影到图像平面上使用弱透视投影模型(3D转为2D透视投影模型):g(α,m):3D顶点位置在2D中的函数输出f:比例因子:正交投影矩阵R:欧拉角表示旋转角度t2d:平移向量M:有维度2×4,有六个自由度,通过一个6维向量m来参数化。然后使用2D图像渲染纹
- Morphable Face Reconstruction with Multiple Images
深蓝蓝蓝蓝蓝
使用多张图像来还原3D人脸简介:首先通过2D图像上的特征点结合位姿参数,来估计3D人脸上对应的特征点然后建立2D形状模型来估计3D形状模型最后还使用多张图的纹理特征结合3D人脸的位姿参数来还原3D纹理MorphableShapeModelling这个和3DMM不同,3DMM里既有形状又有纹理,但是这个形状模型(MSM)中只有形状参数,这可以帮助加速运算。这里作者使用了前人提出的2DMSM模型,通过
- 数据压缩算法PCA使用指南
深度之眼
粉丝的投稿深度学习干货python计算机视觉算法
来源:投稿作者:小灰灰编辑:学姐PCA主成分分析算法PCA的使用范围PCA(principalComponentAnalysis),即主成分分析方法,是一种使用最广泛的数据压缩算法。在PCA中,数据从原来的坐标系转换到新的坐标系,由数据本身决定。使用的用途很广,在人脸识别中(EigenFace,deepid),三维人脸重建中的(3DMM模型),想用数据降维时,通过PCA降维可以发现更便于人类理解的
- 3D【8】鸟类重建:Learning Category-Specific Mesh Reconstruction from Image Collections阅读笔记
DCD_Lin
3d
该文章直接预测的是平均mesh的坐标偏差,相机参数和纹理uv图。里面有各种损失函数,很值得学习。这篇论文还有个有意思的点,论文用的训练数据是没有对应的3D模型的(也就是一张图片没有对应的3D模型)。训练过程有点像3DMM的重建过程,即先估计3D模型,将模型渲染到2D;然后比较渲染的图片和原始图片的差异,以更新模型的参数。要将这个过程应用在神经网络中,由于渲染是不可导的,因此需要解决渲染这一步骤的求
- 单张图像三维人脸重建必备入门face3d--pipeline
深度之眼
深度学习干货粉丝的投稿人工智能干货3d深度学习计算机视觉
作者:小灰灰来源:投稿编辑:学姐上期传送门单张图像三维人脸重建必备入门face3d—3DMM三维人脸的必备入门就要看YaoFeng写的https://github.com/YadiraF/face3d这个代码主要介绍了3D人脸的一些功能,处理网格数据,生成3D人脸,从单张二维人脸图片重建三维图像,face3D是个非常轻量化的,而且都是用numpy写的。下载代码:git clone https://
- [CVPR2019]GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction
深蓝蓝蓝蓝蓝
#3D人脸重建论文阅读3d
标题:GANFIT:GenerativeAdversarialNetworkFittingforHighFidelity3DFaceReconstruction链接:https://arxiv.org/pdf/1902.05978这篇文章处理的问题就是从一张2D图片恢复人脸3D形状的问题,使用了经典的3DMM框架,最大的亮点就是在生成纹理图的时候用了GAN。模型输入的三个参数其实可以分为两个部分,
- GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction
理想很丰满,现实很骨感
#单视图三维人脸重建计算机视觉深度学习
1.论文大致介绍论文是基于GAN网络的高精度、基于单张图片的人脸三维重建,重建效果如下图所示我们可以看到人脸的细节还原得特别详细,总而言之,本篇论文的特点如下与传统生成3dmm的颜色系数的方法不同,本文使用GAN网络生成一张高分辨率的人脸UV纹理图,代替3dmm颜色系数来表示人脸的纹理,因此能够还原出很多详细的细节基于设计的GAN网络与可微渲染器(三维的物体渲染成二维图像的时候,其实本质上是进行了
- 「每周CV论文推荐」 初学深度学习单图三维人脸重建需要读的文章
喜欢打酱油的老鸟
人工智能
基于图像的人脸三维重建在人脸分析与娱乐领域里有巨大的应用场景,本文来介绍初学深度学习单张图像人脸三维重建必须要读的文章。作者&编辑|言有三13DMM与数据集虽然这里推荐的是深度学习三维人脸重建需要读的文章,但是因为经常需要用到经典的3DMM模型以及一些数据集,包括最著名的中性表情BFM模型及其2017年新增表情的版本,国内浙大开源的带表情的FareWareHouse数据集。文章引用量:4000+推
- (综述,讲得很好)基于3DMM的三维人脸重建技术总结
薛定谔的炼丹炉!
3D人脸对齐和重建3d计算机视觉深度学习
深度学习全监督重建方法:由于真实的三维人脸和二维人脸图像对非常缺乏,采集成本高,很难得到真实二维三维图像对,通常将多张照片进行modelfitting求解生成了对应的三维人脸模型,将其作为真值(GroundTruth),从而得到了二维三维图像对,这也导致模型泛化到真实数据集的能力较差。自监督的方法则是一个解决该问题的重要思路。这一类方法不依赖于真实的成对数据集,它将二维图像重建到三维,再反投影回二
- 深度学习单图三维人脸重建
andrew P
虚拟人物深度学习计算机视觉cnn
基于图像的人脸三维重建在人脸分析与娱乐领域里有巨大的应用场景,本文来介绍初学深度学习单张图像人脸三维重建必须要读的文章。作者&编辑|言有三13DMM与数据集虽然这里推荐的是深度学习三维人脸重建需要读的文章,但是因为经常需要用到经典的3DMM模型以及一些数据集,包括最著名的中性表情BFM模型及其2017年新增表情的版本,国内浙大开源的带表情的FareWareHouse数据集。文章引用量:4000+推
- ECCV 2022 | 清华&腾讯AI Lab提出REALY: 重新思考3D人脸重建的评估方法
Tom Hardy
算法大数据计算机视觉机器学习人工智能
作者丨人脸人体重建来源丨人脸人体重建编辑丨极市平台极市导读本文围绕3D人脸重建的评估方式进行了重新的思考和探索。作者团队通过构建新数据集RELAY,囊括了更丰富以及更高质量的脸部区域信息,并借助新的流程对先前的数十个重建算法、3DMM进行了评价。本文分享ECCV2022论文《REALY:RethinkingtheEvaluationof3DFaceReconstruction》,对3D人脸重建的评
- 单张图像三维人脸重建必备入门face3d—3DMM
深度之眼
深度学习干货人工智能干货深度学习计算机视觉3DMM
作者:小灰灰来源:投稿编辑:学姐本次的例子是将pipeline生成的图片作用于3DMM,重新拟合成新的图片。loadmodel3DMM的表达式:̅∈3是平均人脸形状,脸扫描训练得到的身份基,是人脸的身份参数。是表情基,是人脸的表情参数。这个公式只要我们确定199维的形状参数和29维的表情参数就可以得到一张三维模型。bfm = MorphabelModel('Data/BFM/Out/BFM.mat
- [CVPR2019](D3DFR)Accurate 3D Face Reconstruction with Weakly-Supervised Learning From Single Image
深蓝蓝蓝蓝蓝
#3D人脸重建论文阅读3d计算机视觉深度学习
标题:Accurate3DFaceReconstructionwithWeakly-SupervisedLearning:FromSingleImagetoImageSet链接:https://arxiv.org/pdf/1903.08527亮点:主要是提出了通过同一人多张图来生成更精细的人脸3D模型的方案,主要框架是基于3DMM的。Lambertiansurface-朗伯面:即入射光会向所有方向
- Face3D学习笔记(4)3DMM示例源码解析【中上】3DMM模型
ESRSchao
Face3D学习python人工智能计算机视觉超分辨率重建视觉检测
写在前面为了保证整个示例项目更加直观,方便理解,在展示一些函数的源码时会使用numpy版本进行展示,而在示例程序中并未使用numpy版本的库,在Cython版本与numpy版本出现差异的原码前会有标注,希望读者留意。3DMM实例程序的jupyter版本后续会更新,完全免费,欢迎大家下载预备上一篇文章在MATLAB里面对BFM模型执行了Face3D提供的程序生成了新的模型数据BFM.mat、BFM_
- Face3D学习笔记(6)3DMM示例源码解析【下】从二维图片的特征点重建三维模型
ESRSchao
Face3D学习python人工智能计算机视觉超分辨率重建视觉检测
写在前面为了保证整个示例项目更加直观,方便理解,在展示一些函数的源码时会使用numpy版本进行展示,而在示例程序中并未使用numpy版本的库,在Cython版本与numpy版本出现差异的原码前会有标注,希望读者留意。3DMM实例程序的jupyter版本后续会更新,完全免费,欢迎大家下载在Face3d中的求解过程可以概述如下:(1)初始化α,β\alpha,\betaα,β为0;(2)利用黄金标准算
- Face3D学习笔记(5)3DMM示例源码解析【中下】从二维图片的特征点重建三维模型——黄金标准算法
ESRSchao
Face3D学习python人工智能计算机视觉超分辨率重建视觉检测
写在前面为了保证整个示例项目更加直观,方便理解,在展示一些函数的源码时会使用numpy版本进行展示,而在示例程序中并未使用numpy版本的库,在Cython版本与numpy版本出现差异的原码前会有标注,希望读者留意。3DMM实例程序的jupyter版本后续会更新,完全免费,欢迎大家下载源码解析在上一篇文章了解3DMM模型以及用随机的形状系数和表情系数生成面部网格进行3DMM模型的前向重建过程后进入
- java线程的无限循环和退出
3213213333332132
java
最近想写一个游戏,然后碰到有关线程的问题,网上查了好多资料都没满足。
突然想起了前段时间看的有关线程的视频,于是信手拈来写了一个线程的代码片段。
希望帮助刚学java线程的童鞋
package thread;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Date
- tomcat 容器
BlueSkator
tomcatWebservlet
Tomcat的组成部分 1、server
A Server element represents the entire Catalina servlet container. (Singleton) 2、service
service包括多个connector以及一个engine,其职责为处理由connector获得的客户请求。
3、connector
一个connector
- php递归,静态变量,匿名函数使用
dcj3sjt126com
PHP递归函数匿名函数静态变量引用传参
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>Current To-Do List</title>
</head>
<body>
- 属性颜色字体变化
周华华
JavaScript
function changSize(className){
var diva=byId("fot")
diva.className=className;
}
</script>
<style type="text/css">
.max{
background: #900;
color:#039;
- 将properties内容放置到map中
g21121
properties
代码比较简单:
private static Map<Object, Object> map;
private static Properties p;
static {
//读取properties文件
InputStream is = XXX.class.getClassLoader().getResourceAsStream("xxx.properti
- [简单]拼接字符串
53873039oycg
字符串
工作中遇到需要从Map里面取值拼接字符串的情况,自己写了个,不是很好,欢迎提出更优雅的写法,代码如下:
import java.util.HashMap;
import java.uti
- Struts2学习
云端月影
最近开始关注struts2的新特性,从这个版本开始,Struts开始使用convention-plugin代替codebehind-plugin来实现struts的零配置。
配置文件精简了,的确是简便了开发过程,但是,我们熟悉的配置突然disappear了,真是一下很不适应。跟着潮流走吧,看看该怎样来搞定convention-plugin。
使用Convention插件,你需要将其JAR文件放
- Java新手入门的30个基本概念二
aijuans
java新手java 入门
基本概念: 1.OOP中唯一关系的是对象的接口是什么,就像计算机的销售商她不管电源内部结构是怎样的,他只关系能否给你提供电就行了,也就是只要知道can or not而不是how and why.所有的程序是由一定的属性和行为对象组成的,不同的对象的访问通过函数调用来完成,对象间所有的交流都是通过方法调用,通过对封装对象数据,很大限度上提高复用率。 2.OOP中最重要的思想是类,类是模板是蓝图,
- jedis 简单使用
antlove
javarediscachecommandjedis
jedis.RedisOperationCollection.java
package jedis;
import org.apache.log4j.Logger;
import redis.clients.jedis.Jedis;
import java.util.List;
import java.util.Map;
import java.util.Set;
pub
- PL/SQL的函数和包体的基础
百合不是茶
PL/SQL编程函数包体显示包的具体数据包
由于明天举要上课,所以刚刚将代码敲了一遍PL/SQL的函数和包体的实现(单例模式过几天好好的总结下再发出来);以便明天能更好的学习PL/SQL的循环,今天太累了,所以早点睡觉,明天继续PL/SQL总有一天我会将你永远的记载在心里,,,
函数;
函数:PL/SQL中的函数相当于java中的方法;函数有返回值
定义函数的
--输入姓名找到该姓名的年薪
create or re
- Mockito(二)--实例篇
bijian1013
持续集成mockito单元测试
学习了基本知识后,就可以实战了,Mockito的实际使用还是比较麻烦的。因为在实际使用中,最常遇到的就是需要模拟第三方类库的行为。
比如现在有一个类FTPFileTransfer,实现了向FTP传输文件的功能。这个类中使用了a
- 精通Oracle10编程SQL(7)编写控制结构
bijian1013
oracle数据库plsql
/*
*编写控制结构
*/
--条件分支语句
--简单条件判断
DECLARE
v_sal NUMBER(6,2);
BEGIN
select sal into v_sal from emp
where lower(ename)=lower('&name');
if v_sal<2000 then
update emp set
- 【Log4j二】Log4j属性文件配置详解
bit1129
log4j
如下是一个log4j.properties的配置
log4j.rootCategory=INFO, stdout , R
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appe
- java集合排序笔记
白糖_
java
public class CollectionDemo implements Serializable,Comparable<CollectionDemo>{
private static final long serialVersionUID = -2958090810811192128L;
private int id;
private String nam
- java导致linux负载过高的定位方法
ronin47
定位java进程ID
可以使用top或ps -ef |grep java
![图片描述][1]
根据进程ID找到最消耗资源的java pid
比如第一步找到的进程ID为5431
执行
top -p 5431 -H
![图片描述][2]
打印java栈信息
$ jstack -l 5431 > 5431.log
在栈信息中定位具体问题
将消耗资源的Java PID转
- 给定能随机生成整数1到5的函数,写出能随机生成整数1到7的函数
bylijinnan
函数
import java.util.ArrayList;
import java.util.List;
import java.util.Random;
public class RandNFromRand5 {
/**
题目:给定能随机生成整数1到5的函数,写出能随机生成整数1到7的函数。
解法1:
f(k) = (x0-1)*5^0+(x1-
- PL/SQL Developer保存布局
Kai_Ge
近日由于项目需要,数据库从DB2迁移到ORCAL,因此数据库连接客户端选择了PL/SQL Developer。由于软件运用不熟悉,造成了很多麻烦,最主要的就是进入后,左边列表有很多选项,自己删除了一些选项卡,布局很满意了,下次进入后又恢复了以前的布局,很是苦恼。在众多PL/SQL Developer使用技巧中找到如下这段:
&n
- [未来战士计划]超能查派[剧透,慎入]
comsci
计划
非常好看,超能查派,这部电影......为我们这些热爱人工智能的工程技术人员提供一些参考意见和思想........
虽然电影里面的人物形象不是非常的可爱....但是非常的贴近现实生活....
&nbs
- Google Map API V2
dai_lm
google map
以后如果要开发包含google map的程序就更麻烦咯
http://www.cnblogs.com/mengdd/archive/2013/01/01/2841390.html
找到篇不错的文章,大家可以参考一下
http://blog.sina.com.cn/s/blog_c2839d410101jahv.html
1. 创建Android工程
由于v2的key需要G
- java数据计算层的几种解决方法2
datamachine
javasql集算器
2、SQL
SQL/SP/JDBC在这里属于一类,这是老牌的数据计算层,性能和灵活性是它的优势。但随着新情况的不断出现,单纯用SQL已经难以满足需求,比如: JAVA开发规模的扩大,数据量的剧增,复杂计算问题的涌现。虽然SQL得高分的指标不多,但都是权重最高的。
成熟度:5星。最成熟的。
- Linux下Telnet的安装与运行
dcj3sjt126com
linuxtelnet
Linux下Telnet的安装与运行 linux默认是使用SSH服务的 而不安装telnet服务 如果要使用telnet 就必须先安装相应的软件包 即使安装了软件包 默认的设置telnet 服务也是不运行的 需要手工进行设置 如果是redhat9,则在第三张光盘中找到 telnet-server-0.17-25.i386.rpm
- PHP中钩子函数的实现与认识
dcj3sjt126com
PHP
假如有这么一段程序:
function fun(){
fun1();
fun2();
}
首先程序执行完fun1()之后执行fun2()然后fun()结束。
但是,假如我们想对函数做一些变化。比如说,fun是一个解析函数,我们希望后期可以提供丰富的解析函数,而究竟用哪个函数解析,我们希望在配置文件中配置。这个时候就可以发挥钩子的力量了。
我们可以在fu
- EOS中的WorkSpace密码修改
蕃薯耀
修改WorkSpace密码
EOS中BPS的WorkSpace密码修改
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 201
- SpringMVC4零配置--SpringSecurity相关配置【SpringSecurityConfig】
hanqunfeng
SpringSecurity
SpringSecurity的配置相对来说有些复杂,如果是完整的bean配置,则需要配置大量的bean,所以xml配置时使用了命名空间来简化配置,同样,spring为我们提供了一个抽象类WebSecurityConfigurerAdapter和一个注解@EnableWebMvcSecurity,达到同样减少bean配置的目的,如下:
applicationContex
- ie 9 kendo ui中ajax跨域的问题
jackyrong
AJAX跨域
这两天遇到个问题,kendo ui的datagrid,根据json去读取数据,然后前端通过kendo ui的datagrid去渲染,但很奇怪的是,在ie 10,ie 11,chrome,firefox等浏览器中,同样的程序,
浏览起来是没问题的,但把应用放到公网上的一台服务器,
却发现如下情况:
1) ie 9下,不能出现任何数据,但用IE 9浏览器浏览本机的应用,却没任何问题
- 不要让别人笑你不能成为程序员
lampcy
编程程序员
在经历六个月的编程集训之后,我刚刚完成了我的第一次一对一的编码评估。但是事情并没有如我所想的那般顺利。
说实话,我感觉我的脑细胞像被轰炸过一样。
手慢慢地离开键盘,心里很压抑。不禁默默祈祷:一切都会进展顺利的,对吧?至少有些地方我的回答应该是没有遗漏的,是不是?
难道我选择编程真的是一个巨大的错误吗——我真的永远也成不了程序员吗?
我需要一点点安慰。在自我怀疑,不安全感和脆弱等等像龙卷风一
- 马皇后的贤德
nannan408
马皇后不怕朱元璋的坏脾气,并敢理直气壮地吹耳边风。众所周知,朱元璋不喜欢女人干政,他认为“后妃虽母仪天下,然不可使干政事”,因为“宠之太过,则骄恣犯分,上下失序”,因此还特地命人纂述《女诫》,以示警诫。但马皇后是个例外。
有一次,马皇后问朱元璋道:“如今天下老百姓安居乐业了吗?”朱元璋不高兴地回答:“这不是你应该问的。”马皇后振振有词地回敬道:“陛下是天下之父,
- 选择某个属性值最大的那条记录(不仅仅包含指定属性,而是想要什么属性都可以)
Rainbow702
sqlgroup by最大值max最大的那条记录
好久好久不写SQL了,技能退化严重啊!!!
直入主题:
比如我有一张表,file_info,
它有两个属性(但实际不只,我这里只是作说明用):
file_code, file_version
同一个code可能对应多个version
现在,我想针对每一个code,取得它相关的记录中,version 值 最大的那条记录,
SQL如下:
select
*
- VBScript脚本语言
tntxia
VBScript
VBScript 是基于VB的脚本语言。主要用于Asp和Excel的编程。
VB家族语言简介
Visual Basic 6.0
源于BASIC语言。
由微软公司开发的包含协助开发环境的事
- java中枚举类型的使用
xiao1zhao2
javaenum枚举1.5新特性
枚举类型是j2se在1.5引入的新的类型,通过关键字enum来定义,常用来存储一些常量.
1.定义一个简单的枚举类型
public enum Sex {
MAN,
WOMAN
}
枚举类型本质是类,编译此段代码会生成.class文件.通过Sex.MAN来访问Sex中的成员,其返回值是Sex类型.
2.常用方法
静态的values()方