- CVPR 2024 3D方向总汇包含(3DGS、三维重建、深度补全、深度估计、全景定位、表面重建和特征匹配等)
1、3D方向Rapid3DModelGenerationwithIntuitive3DInputInstantaneousPerceptionofMovingObjectsin3DNEAT:Distilling3DWireframesfromNeuralAttractionFields⭐codeSculptingHolistic3DRepresentationinContrastiveLangua
- OpenCV实现相机标定的棋盘格制作与应用
BIG-HO
本文还有配套的精品资源,点击获取简介:在计算机视觉领域,棋盘格标定板用于获取相机参数,实现图像校正和三维重建。OpenCV库提供了绘制棋盘格和相机标定的功能。本文将详细介绍如何使用OpenCV制作棋盘格标定板,包括设计、绘制、保存、相机标定过程和应用。通过实际案例,如畸变矫正、三维重建、AR应用和机器人导航,展示棋盘格标定板在视觉技术中的关键作用。1.棋盘格设计与绘制1.1棋盘格的基本概念与应用棋
- OpenCV双目视觉棋盘格标定、特征匹配及三维坐标计算
OpenCV双目视觉棋盘格标定、特征匹配及三维坐标计算【下载地址】OpenCV双目视觉棋盘格标定特征匹配及三维坐标计算OpenCV双目视觉棋盘格标定、特征匹配及三维坐标计算本资源库提供了基于OpenCV的双目视觉系统标定和三维重建基础教程,专注于利用棋盘格作为特征目标进行相机校准,特征点匹配以及随后的三维坐标计算项目地址:https://gitcode.com/open-source-toolki
- 产教融合3.0时代:数字影像产业园‘人才+产业+创新’生态闭环构建
cdsmjt
企业微信
产教融合3.0时代,数字影像产业园构建“人才+产业+创新”生态闭环,需要从以下几个关键环节入手:一、人才培养:以产业需求为导向校企深度合作:打破传统“单向输送”模式,构建双向互动机制。高校与企业共同制定人才培养方案,课程设置紧贴产业前沿技术和岗位需求。实战化教学:建设实训基地,引入真实项目,让学生在实践中掌握技能。例如,可以参照“雅职·海信人工智能医学影像三维重建生产性实训基地”模式,打造高仿真的
- 点云从入门到精通技术详解100篇-基于二维激光雷达的隧道形貌三维重建
格图素书
网络
目录前言国内外研究现状隧道监测研究现状表面重建研究现状2二维激光雷达三维扫描系统设计与实现2.1引言2.2系统设计2.2.1需求分析2.2.2方案设计2.3传感器方案选型2.3.1激光雷达测量技术介绍2.3.2激光雷达系统结构2.3.3激光雷达选型2.3.4IMU硬件选择2.42DLidar-IMU坐标系定义与变换2.4.1坐标系定义2.4.2激光雷达与IMU坐标变换2.5系统平台2.6系统扫描实
- TopNet:基于Transformer的高效点云几何压缩网络模型详解
清风AI
深度学习算法详解及代码复现计算机视觉算法深度学习人工智能计算机视觉神经网络transformer卷积神经网络python
一、研究背景与挑战随着激光雷达(LiDAR)技术的普及,点云数据在自动驾驶、三维重建等领域得到广泛应用。然而,点云数据的无序性、稀疏性给存储和传输带来巨大挑战。传统的点云几何压缩(PCGC)方法难以平衡压缩率与精度,而深度学习方法逐渐成为主流。现有方法主要分为两类:CNN-based方法:通过3D卷积提取局部特征,但受限于固定感受野,难以捕捉长距离依赖。Transformer-based方法:利用
- 基于Python+OpenCV实现SIFT
2301_79809972
pythonpythonplotly
欢迎大家点赞、收藏、关注、评论啦,由于篇幅有限,只展示了部分核心代码。文章目录一项目简介二、功能三、系统四.总结一项目简介 一、项目背景与意义SIFT(Scale-InvariantFeatureTransform,尺度不变特征变换)是一种在计算机视觉中广泛应用的局部图像特征描述子。由于其具有尺度不变性、旋转不变性和对光照变化、仿射变换和噪声的鲁棒性,SIFT在图像匹配、物体识别、三维重建等领域
- AIGC虚拟人物VS传统3D建模:技术对比与优劣势分析
AI原生应用开发
AI原生应用开发AIGC3dai
AIGC虚拟人物VS传统3D建模:技术对比与优劣势分析关键词:AIGC虚拟人物、传统3D建模、生成对抗网络、三维重建、数字孪生、自动化生成、手工建模摘要:本文从技术原理、实现流程、应用场景等维度,深入对比AIGC(人工智能生成内容)虚拟人物与传统3D建模技术。通过剖析核心算法、数学模型和工程实践案例,揭示两者在生产效率、成本控制、艺术表现力等方面的差异。结合具体代码实现和行业应用场景,分析各自的优
- nerf-slam论文复现
搬砖者(视觉算法工程师)
gitpython深度学习
nerf-slam实现三维重建详细的在我文档里面(有图片步骤)TableofContentsInstallDownloadDatasetsRunCitationLicenseAcknowledgmentsContactInstallClonerepowithsubmodules:gitclonehttps://github.com/ToniRV/NeRF-SLAM.git--recurse-sub
- 什么是三维重建?如何从二维图像获取三维信息?——从原理到实战的深度解析
唐宇迪(学习规划+技术答疑)
人工智能深度学习神经网络计算机视觉三维重建机器学习pytorch
大家好,我是唐宇迪。这几年带学员做计算机视觉项目时,发现三维重建是绕不开的核心技术——有人用单目摄像头重建物体模型,有人用多视图构建建筑BIM模型,还有人在医疗领域通过CT图像重建器官三维结构。但新手常被相机标定、对极几何、点云配准等概念困扰,甚至混淆三维重建与三维建模的区别。作为计算机视觉的重要分支,三维重建让二维图像拥有了深度信息,在工业检测、医疗诊断、元宇宙等领域发挥关键作用。今天这篇600
- 【OpenCV】双相机结构光成像与图像交叉融合实现【python篇】
社会零时工
OpenCVpythonopencvpython相机
双相机结构光成像与图像交叉融合实现下面我将详细介绍如何使用Python实现双相机结构光成像系统及其图像交叉融合技术。这个系统通常用于三维重建、工业检测等领域。系统架构概述双相机结构光系统通常包含以下组件:两个同步的工业相机结构光投影仪(DLP或LCD)计算机处理系统标定装置实现步骤1.硬件设置与相机同步importcv2importnumpyasnpimporttimeclassDualCamer
- 【云计算系统】云计算中的计算几何
flyair_China
云计算
一、云计算系统中的几何算法云计算系统在资源调度、空间数据处理、安全加密及大规模优化等场景中广泛运用几何算法以提升效率与精度。空间数据处理与索引算法空间索引算法(R树、四叉树)作用:高效管理地理空间数据(如地图坐标、三维点云),支持快速范围查询与邻近搜索。应用:云GIS平台中实时查询地理信息(如道路、建筑位置);物流路径规划中缩短计算时间50%以上。三维重建算法(三角剖分、曲面重建)作用:将点云数据
- 散斑结构光测试图像资源介绍:为三维重建提供高质量图像资源
散斑结构光测试图像资源介绍:为三维重建提供高质量图像资源【下载地址】散斑结构光测试图像资源介绍本项目提供了一套高质量的散斑结构光测试图像资源,专为散斑结构光研究与实验设计。这些图像不仅适用于三维重建和特征提取等高级研究,还配有详细的处理说明,帮助研究人员快速上手并深入探索。通过使用本资源,您可以轻松开展散斑结构光相关的实验,提升研究效率与精度。所有资源均可在合法合规的前提下自由使用,助力您的科研创
- Neus复现(DTU数据集)
ashore_xsl
python3d算法linux
复现参考链接:1、Ubuntu复现NeuS(用体绘制学习神经隐式曲面用于多视图重建)——NeRF应用:表面重建_neus复现-CSDN博客2、Ubuntu18.04复现NeuS(Pytorch)_neus复现-CSDN博客3、GitHub-Totoro97/NeuS:CodereleaseforNeuS4、【三维重建】【深度学习】【数据集】基于COLMAP制作自己的NeuS(DTU格式)数据集_d
- 【深度学习新浪潮】如何入门三维重建?
小米玄戒Andrew
深度学习新浪潮图像处理基石深度学习人工智能图像处理计算机视觉python视觉几何opencv
入门三维重建算法技术需要结合数学基础、计算机视觉理论、编程实践和项目经验,以下是系统的学习路径和建议:一、基础知识储备1.数学基础线性代数:矩阵运算、向量空间、特征分解(用于相机矩阵、变换矩阵推导)。几何基础:三维几何(点、线、面的表示)、射影几何(单应矩阵、本质矩阵、基础矩阵)、李群与李代数(SLAM中的位姿优化)。概率与统计:贝叶斯估计、概率图模型(SLAM中的状态估计)、随机过程(滤波算法如
- 基于 SIFT 对图像进行局部特征匹配附Matlab代码
Matlab科研工作室
matlab计算机视觉开发语言
✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。往期回顾关注个人主页:Matlab科研工作室个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。内容介绍图像匹配是计算机视觉领域的一项基础且关键的技术,它旨在寻找不同图像之间的对应关系,进而为物体识别、三维重建、图像拼接等高级应用提供坚实的基础。在众多的图像匹配方法中,局部特征
- 千亿医疗AI市场爆发:三甲医院如何靠大模型实现90%诊断准确率?
摆烂大大王
llamadeepseek人工智能llamadeepseekAIGC健康医疗
凌晨三点的北京协和医院放射科,最后一份胸部CT影像被输入AI系统。屏幕瞬间标记出5处微小结节,三维重建图精准勾勒血管绕行路径,并弹出历史对比数据:“3号结节体积半年增长15%,边缘毛刺征阳性,建议穿刺活检”。主治医师轻点审核键,结构化报告自动生成——这是2025年中国顶级三甲医院的日常一幕,也是AI大模型重构医疗诊断链的缩影。一、技术突破:从单点试用到临床刚需影像诊断进入“秒级时代”肺结节检测:A
- 相机成像原理_键盘摄影(一)——相机成像基本元件
weixin_39620273
相机成像原理
写在前面笔者在就读本科期间,开始接触计算机视觉领域,主要包括传统的图像处理,研究生期间开始了解深度学习,三维重建和SLAM(同时定位和建图)。可是对于其中使用到的最重要的传感器,相机,它的成像原理知之甚少,照片是怎么成像的?有幸在工作之余玩起了胶片相机,学习了一些摄影知识,在此和大家分享相关知识,欢迎友好地指正和勘误,轻喷。随着器件的发展,目前的相机类型丰富,我们可以从基本的元件讲起,主要涉及到胶
- 科研论文术语全解析:彻底搞懂什么是Baseline、Pipeline..........等内容【2025最新版!!!】
那就举个栗子!
计算机视觉解决方案人工智能
引言在撰写科研论文的过程中,尤其是在计算机视觉、机器人、SLAM以及三维重建等领域,准确理解并使用核心术语对于展示研究的科学性、系统性具有至关重要的作用。术语不仅是论文结构的骨架,也是向同行传达研究设计与创新思路的重要桥梁。本文旨在从实际科研写作的角度,系统性分析高频科研术语的定义与应用,帮助初学者准确理解其含义,掌握其写作位置与逻辑,最后以SLAM与3D高斯泼溅(3DGaussianSplatt
- 智能光学计算成像技术与应用前沿会议通知
m0_75133639
光电光学成像全息成像光学光电光子学光电工程师生物医学工程
会议背景智能光学计算成像是人工智能与光学成像深度融合的前沿领域,通过深度学习、光学神经网络、超表面光学及量子光学等技术,显著推动成像技术的革新。当前研究热点包括:-深度学习赋能的成像技术:如高速多模光纤成像、神经渲染全息三维重建、超分辨率成像-先进光谱与计算成像:基于超表面和衍射光栅的高光谱信息获取、压缩感知成像、无透镜成像-端到端联合设计:融合可微光学模型与深度学习算法,实现硬件-软件协同优化会
- 人工智能在医疗影像诊断上的最新成果:更精准地识别疾病
广州正荣
人工智能科技大数据
摘要:本论文深入探讨人工智能在医疗影像诊断领域的最新突破,聚焦于其在精准识别疾病方面的显著成果。通过分析深度学习、多模态影像融合、三维重建与可视化以及智能辅助诊断系统等关键技术的应用,阐述人工智能如何提高医疗影像诊断的准确性和效率,为临床诊断和治疗提供有力支持。同时,讨论当前面临的挑战和未来发展趋势,旨在推动人工智能在医疗领域的更广泛应用和深入发展。一、医疗影像诊断在现代医学中占据着核心地位,其准
- OpenCV4与OpenCV-Contrib模块介绍
weixin_43162015
计算机视觉人工智能opencv
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档OpenCV4与OpenCV-Contrib模块介绍一、OpenCV常用模块二、扩展模块一、OpenCV常用模块位于:D:\OpenCV\4.5.5\build\modules各模块的功能如下:calib3d:该模块由相机校准(calibration)和三维重建(3d)两个部分组成,主要用于相机标定与三维视觉等;core:OpenCV
- 【SLAM中的点云处理:从基础到实战】
Unpredictable222
SLAM算法自动驾驶自主导航算法自动驾驶ubuntuc++笔记
最近一直在学SLAM算法,发现点云处理是非常非常重要的,我就再认真学了一遍关于点云处理的内容(看了高翔老师的一本书——《自动驾驶与机器人中的SLAM技术:从理论到实践》,写得非常好,还有配套的代码),这篇博客就作为我的点云处理学习笔记,分享给大家!1.引言点云在SLAM中的核心作用:激光雷达SLAM(如LOAM)、三维重建、自动驾驶感知。四大基础任务:最近邻搜索(数据关联、特征匹配)。几何拟合(平
- python三维重建代码_基于Python的三维重建开源代码
weixin_39934085
python三维重建代码
【实例简介】基于Python的三维重建开源代码,包括特征提取,SFM,PMVS以及CMVS等相关功能!【实例截图】【核心代码】sfm-bundler(python)└──sfm-bundler(python)├──osm-bundlerWin32│├──icons││├──info_icon.png││└──python_icon.png│├──osmbundler││├──cameras│││└
- python opencv 三维重建_【python+opencv实现基于图片序列的三维重建】 - #1
weixin_39778815
pythonopencv三维重建
2015年09月05-三维重建一直是机器视觉研究的热门方向,比如,基于双目视觉,单目视觉,多视几何,光场三维重建等等。每一种方法都有其有点和局限性。单目视觉需要拍摄多幅图像,并且在拍摄过程中需要不断的调整相机的聚焦位置,最后采取一定的融合方法来找到每幅图像中的清晰像素点,从而得到深度信息。这种方法也被称为焦点堆栈法。在实际测试多个场景后,发现二级梯度评价函数和拉普拉斯评价函数融合效果较好。程201
- python 实现一个完整的基于Python的多视角三维重建系统,包含特征提取与匹配、相机位姿估计、三维重建、优化和可视化等功能
pk_xz123456
仿真模型python数码相机开发语言
多视角三维重建系统下面我将实现一个完整的基于Python的多视角三维重建系统,包含特征提取与匹配、相机位姿估计、三维重建、优化和可视化等功能。1.环境准备与数据加载首先安装必要的库:pipinstallopencv-pythonopencv-contrib-pythonnumpymatplotlibplotlyscipyimportcv2importnumpyasnpimportmatplotli
- 倾斜摄影已过时?3DGS能否重塑三维重建效率天花板
Mapmost
三维数域3d3DGS信息可视化AIGC
引言数字孪生技术的核心在于构建高保真的虚拟镜像,而3DGaussianSplatting(3DGS)技术为此提供了一种全新的解决方案。其独特的点云渲染方式,能够以更低的计算成本,实现更逼真、更流畅的三维场景重建效果。Mapmost平台在此基础上,致力于进一步拓展3DGS的应用潜力,朝着支持更大规模场景、更快速度重建、更精细要素还原方向逐步迈进,力求为广大用户带来前所未有的高效、智能三维重建体验。在
- 计算机视觉算法实战——相机标定技术
喵了个AI
计算机视觉实战项目数码相机计算机视觉算法
✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.引言:相机标定技术概述相机标定(CameraCalibration)是计算机视觉领域的基础技术之一,其核心目的是确定相机的内部参数(如焦距、主点、畸变系数等)和外部参数(如相机在世界坐标系中的位置和方向)。准确可靠的相机标定结果是实现三维重建、立体视觉、增强现实等高级计算机视觉应用
- 实景VR展厅制作流程与众趣科技实景VR展厅应用
zhongqu_3dnest
vr科技vr展厅制作虚拟展厅3D扫描数字孪生三维建模
实景VR展厅制作是一种利用虚拟现实技术将现实世界中的展览空间数字化并在线上重现的技术。这种技术通过三维重建和扫描等手段,将线下展馆的场景、展品和信息以三维形式搬到云端数字空间,从而实现更加直观、立体的展示效果。在制作过程中,首先需要对展厅进行数据采集,包括使用VR全景拍摄或3D扫描技术来捕捉展厅的每一个细节。这些数据经过后期处理和拼接,形成一个可以360度全景查看的虚拟展厅。随后,根据需求定制化开
- matlab 双目 视差,双目-视差-点云
天天thu
matlab双目视差
本帖最后由newly1429于2020-8-3119:23编辑本人在做双目人脸三维重建,MATLAB版本R2016a,因为disparitySGM函数在2016里用不了,特地下了个R2020a相机标定是自己用程序生成一张棋盘格打印出来贴在板子上,然后用两个相机拍了24组图片,用MATLAB自带的stereocameracalibrator标定得到相机参数然后拍摄人脸图像进行处理,rectifySt
- iOS http封装
374016526
ios服务器交互http网络请求
程序开发避免不了与服务器的交互,这里打包了一个自己写的http交互库。希望可以帮到大家。
内置一个basehttp,当我们创建自己的service可以继承实现。
KuroAppBaseHttp *baseHttp = [[KuroAppBaseHttp alloc] init];
[baseHttp setDelegate:self];
[baseHttp
- lolcat :一个在 Linux 终端中输出彩虹特效的命令行工具
brotherlamp
linuxlinux教程linux视频linux自学linux资料
那些相信 Linux 命令行是单调无聊且没有任何乐趣的人们,你们错了,这里有一些有关 Linux 的文章,它们展示着 Linux 是如何的有趣和“淘气” 。
在本文中,我将讨论一个名为“lolcat”的小工具 – 它可以在终端中生成彩虹般的颜色。
何为 lolcat ?
Lolcat 是一个针对 Linux,BSD 和 OSX 平台的工具,它类似于 cat 命令,并为 cat
- MongoDB索引管理(1)——[九]
eksliang
mongodbMongoDB管理索引
转载请出自出处:http://eksliang.iteye.com/blog/2178427 一、概述
数据库的索引与书籍的索引类似,有了索引就不需要翻转整本书。数据库的索引跟这个原理一样,首先在索引中找,在索引中找到条目以后,就可以直接跳转到目标文档的位置,从而使查询速度提高几个数据量级。
不使用索引的查询称
- Informatica参数及变量
18289753290
Informatica参数变量
下面是本人通俗的理解,如有不对之处,希望指正 info参数的设置:在info中用到的参数都在server的专门的配置文件中(最好以parma)结尾 下面的GLOBAl就是全局的,$开头的是系统级变量,$$开头的变量是自定义变量。如果是在session中或者mapping中用到的变量就是局部变量,那就把global换成对应的session或者mapping名字。
[GLOBAL] $Par
- python 解析unicode字符串为utf8编码字符串
酷的飞上天空
unicode
php返回的json字符串如果包含中文,则会被转换成\uxx格式的unicode编码字符串返回。
在浏览器中能正常识别这种编码,但是后台程序却不能识别,直接输出显示的是\uxx的字符,并未进行转码。
转换方式如下
>>> import json
>>> q = '{"text":"\u4
- Hibernate的总结
永夜-极光
Hibernate
1.hibernate的作用,简化对数据库的编码,使开发人员不必再与复杂的sql语句打交道
做项目大部分都需要用JAVA来链接数据库,比如你要做一个会员注册的 页面,那么 获取到用户填写的 基本信后,你要把这些基本信息存入数据库对应的表中,不用hibernate还有mybatis之类的框架,都不用的话就得用JDBC,也就是JAVA自己的,用这个东西你要写很多的代码,比如保存注册信
- SyntaxError: Non-UTF-8 code starting with '\xc4'
随便小屋
python
刚开始看一下Python语言,传说听强大的,但我感觉还是没Java强吧!
写Hello World的时候就遇到一个问题,在Eclipse中写的,代码如下
'''
Created on 2014年10月27日
@author: Logic
'''
print("Hello World!");
运行结果
SyntaxError: Non-UTF-8
- 学会敬酒礼仪 不做酒席菜鸟
aijuans
菜鸟
俗话说,酒是越喝越厚,但在酒桌上也有很多学问讲究,以下总结了一些酒桌上的你不得不注意的小细节。
细节一:领导相互喝完才轮到自己敬酒。敬酒一定要站起来,双手举杯。
细节二:可以多人敬一人,决不可一人敬多人,除非你是领导。
细节三:自己敬别人,如果不碰杯,自己喝多少可视乎情况而定,比如对方酒量,对方喝酒态度,切不可比对方喝得少,要知道是自己敬人。
细节四:自己敬别人,如果碰杯,一
- 《创新者的基因》读书笔记
aoyouzi
读书笔记《创新者的基因》
创新者的基因
创新者的“基因”,即最具创意的企业家具备的五种“发现技能”:联想,观察,实验,发问,建立人脉。
第一部分破坏性创新,从你开始
第一章破坏性创新者的基因
如何获得启示:
发现以下的因素起到了催化剂的作用:(1) -个挑战现状的问题;(2)对某项技术、某个公司或顾客的观察;(3) -次尝试新鲜事物的经验或实验;(4)与某人进行了一次交谈,为他点醒
- 表单验证技术
百合不是茶
JavaScriptDOM对象String对象事件
js最主要的功能就是验证表单,下面是我对表单验证的一些理解,贴出来与大家交流交流 ,数显我们要知道表单验证需要的技术点, String对象,事件,函数
一:String对象;通常是对字符串的操作;
1,String的属性;
字符串.length;表示该字符串的长度;
var str= "java"
- web.xml配置详解之context-param
bijian1013
javaservletweb.xmlcontext-param
一.格式定义:
<context-param>
<param-name>contextConfigLocation</param-name>
<param-value>contextConfigLocationValue></param-value>
</context-param>
作用:该元
- Web系统常见编码漏洞(开发工程师知晓)
Bill_chen
sqlPHPWebfckeditor脚本
1.头号大敌:SQL Injection
原因:程序中对用户输入检查不严格,用户可以提交一段数据库查询代码,根据程序返回的结果,
获得某些他想得知的数据,这就是所谓的SQL Injection,即SQL注入。
本质:
对于输入检查不充分,导致SQL语句将用户提交的非法数据当作语句的一部分来执行。
示例:
String query = "SELECT id FROM users
- 【MongoDB学习笔记六】MongoDB修改器
bit1129
mongodb
本文首先介绍下MongoDB的基本的增删改查操作,然后,详细介绍MongoDB提供的修改器,以完成各种各样的文档更新操作 MongoDB的主要操作
show dbs 显示当前用户能看到哪些数据库
use foobar 将数据库切换到foobar
show collections 显示当前数据库有哪些集合
db.people.update,update不带参数,可
- 提高职业素养,做好人生规划
白糖_
人生
培训讲师是成都著名的企业培训讲师,他在讲课中提出的一些观点很新颖,在此我收录了一些分享一下。注:讲师的观点不代表本人的观点,这些东西大家自己揣摩。
1、什么是职业规划:职业规划并不完全代表你到什么阶段要当什么官要拿多少钱,这些都只是梦想。职业规划是清楚的认识自己现在缺什么,这个阶段该学习什么,下个阶段缺什么,又应该怎么去规划学习,这样才算是规划。
- 国外的网站你都到哪边看?
bozch
技术网站国外
学习软件开发技术,如果没有什么英文基础,最好还是看国内的一些技术网站,例如:开源OSchina,csdn,iteye,51cto等等。
个人感觉如果英语基础能力不错的话,可以浏览国外的网站来进行软件技术基础的学习,例如java开发中常用的到的网站有apache.org 里面有apache的很多Projects,springframework.org是spring相关的项目网站,还有几个感觉不错的
- 编程之美-光影切割问题
bylijinnan
编程之美
package a;
public class DisorderCount {
/**《编程之美》“光影切割问题”
* 主要是两个问题:
* 1.数学公式(设定没有三条以上的直线交于同一点):
* 两条直线最多一个交点,将平面分成了4个区域;
* 三条直线最多三个交点,将平面分成了7个区域;
* 可以推出:N条直线 M个交点,区域数为N+M+1。
- 关于Web跨站执行脚本概念
chenbowen00
Web安全跨站执行脚本
跨站脚本攻击(XSS)是web应用程序中最危险和最常见的安全漏洞之一。安全研究人员发现这个漏洞在最受欢迎的网站,包括谷歌、Facebook、亚马逊、PayPal,和许多其他网站。如果你看看bug赏金计划,大多数报告的问题属于 XSS。为了防止跨站脚本攻击,浏览器也有自己的过滤器,但安全研究人员总是想方设法绕过这些过滤器。这个漏洞是通常用于执行cookie窃取、恶意软件传播,会话劫持,恶意重定向。在
- [开源项目与投资]投资开源项目之前需要统计该项目已有的用户数
comsci
开源项目
现在国内和国外,特别是美国那边,突然出现很多开源项目,但是这些项目的用户有多少,有多少忠诚的粉丝,对于投资者来讲,完全是一个未知数,那么要投资开源项目,我们投资者必须准确无误的知道该项目的全部情况,包括项目发起人的情况,项目的维持时间..项目的技术水平,项目的参与者的势力,项目投入产出的效益.....
- oracle alert log file(告警日志文件)
daizj
oracle告警日志文件alert log file
The alert log is a chronological log of messages and errors, and includes the following items:
All internal errors (ORA-00600), block corruption errors (ORA-01578), and deadlock errors (ORA-00060)
- 关于 CAS SSO 文章声明
denger
SSO
由于几年前写了几篇 CAS 系列的文章,之后陆续有人参照文章去实现,可都遇到了各种问题,同时经常或多或少的收到不少人的求助。现在这时特此说明几点:
1. 那些文章发表于好几年前了,CAS 已经更新几个很多版本了,由于近年已经没有做该领域方面的事情,所有文章也没有持续更新。
2. 文章只是提供思路,尽管 CAS 版本已经发生变化,但原理和流程仍然一致。最重要的是明白原理,然后
- 初二上学期难记单词
dcj3sjt126com
englishword
lesson 课
traffic 交通
matter 要紧;事物
happy 快乐的,幸福的
second 第二的
idea 主意;想法;意见
mean 意味着
important 重要的,重大的
never 从来,决不
afraid 害怕 的
fifth 第五的
hometown 故乡,家乡
discuss 讨论;议论
east 东方的
agree 同意;赞成
bo
- uicollectionview 纯代码布局, 添加头部视图
dcj3sjt126com
Collection
#import <UIKit/UIKit.h>
@interface myHeadView : UICollectionReusableView
{
UILabel *TitleLable;
}
-(void)setTextTitle;
@end
#import "myHeadView.h"
@implementation m
- N 位随机数字串的 JAVA 生成实现
FX夜归人
javaMath随机数Random
/**
* 功能描述 随机数工具类<br />
* @author FengXueYeGuiRen
* 创建时间 2014-7-25<br />
*/
public class RandomUtil {
// 随机数生成器
private static java.util.Random random = new java.util.R
- Ehcache(09)——缓存Web页面
234390216
ehcache页面缓存
页面缓存
目录
1 SimplePageCachingFilter
1.1 calculateKey
1.2 可配置的初始化参数
1.2.1 cach
- spring中少用的注解@primary解析
jackyrong
primary
这次看下spring中少见的注解@primary注解,例子
@Component
public class MetalSinger implements Singer{
@Override
public String sing(String lyrics) {
return "I am singing with DIO voice
- Java几款性能分析工具的对比
lbwahoo
java
Java几款性能分析工具的对比
摘自:http://my.oschina.net/liux/blog/51800
在给客户的应用程序维护的过程中,我注意到在高负载下的一些性能问题。理论上,增加对应用程序的负载会使性能等比率的下降。然而,我认为性能下降的比率远远高于负载的增加。我也发现,性能可以通过改变应用程序的逻辑来提升,甚至达到极限。为了更详细的了解这一点,我们需要做一些性能
- JVM参数配置大全
nickys
jvm应用服务器
JVM参数配置大全
/usr/local/jdk/bin/java -Dresin.home=/usr/local/resin -server -Xms1800M -Xmx1800M -Xmn300M -Xss512K -XX:PermSize=300M -XX:MaxPermSize=300M -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=5 -
- 搭建 CentOS 6 服务器(14) - squid、Varnish
rensanning
varnish
(一)squid
安装
# yum install httpd-tools -y
# htpasswd -c -b /etc/squid/passwords squiduser 123456
# yum install squid -y
设置
# cp /etc/squid/squid.conf /etc/squid/squid.conf.bak
# vi /etc/
- Spring缓存注解@Cache使用
tom_seed
spring
参考资料
http://www.ibm.com/developerworks/cn/opensource/os-cn-spring-cache/
http://swiftlet.net/archives/774
缓存注解有以下三个:
@Cacheable @CacheEvict @CachePut
- dom4j解析XML时出现"java.lang.noclassdeffounderror: org/jaxen/jaxenexception"错误
xp9802
java.lang.NoClassDefFoundError: org/jaxen/JaxenExc
关键字: java.lang.noclassdeffounderror: org/jaxen/jaxenexception
使用dom4j解析XML时,要快速获取某个节点的数据,使用XPath是个不错的方法,dom4j的快速手册里也建议使用这种方式
执行时却抛出以下异常:
Exceptio