NSF999
NSF999

数字图像基本知识

颜色模型

1 RGB颜色模型 #FFFFFF（255 255 255）纯白色，RGB各占一个字节
2 HSV颜色模型
色调（Hue）（0~360°）0°红色，120°绿色，240°蓝色
饱和度（Saturation）百分比表示
明度（Value）百分比表示
数字图像基本知识_第1张图片
3 灰度图像
I_gray=[0.299,0.587,0.114][Ir,Ig,Ib]一般常用的RGB数值比例大致为3:6:1
4 二值图像 只有黑色和白色的图像，对灰度图像设置阈值可得到

信号与噪声

摄像机的感光元件受到干扰产生噪声，主要表现为黑白杂点，称为椒盐噪声，“椒”代表黑色“盐”代表白色，位置是随机的，最典型为高斯噪声

卷积

零填充，卷积之后出来的结果会比原始数据中的元素数量还要多，称之为full形式的卷积
从有数据开始称之为valid形式的卷积
卷积出来的结果和原始数据中的元素数量相同，称之为same形式的卷积
数字图像基本知识_第2张图片

图像滤波

1 均值滤波
算数均值滤波，可以滤除均匀噪声和高斯噪声 ，但是会对图像造成一定程度的模糊，它是将图片中指定区域内的像素点进行平局滤波的方法。大多数情况下，噪声占比是少数，将所有点以同样的权值处理，会导致图像的模糊，丢失细节。

数字图像基本知识_第3张图片
将权值改变一下，滤波器的参数越靠近中心位置权值越大，越靠近边缘位置的权值越小。如果参数按照高斯分布形式进行修改，则称之为高斯滤波器
2 中值滤波
与均值相似，在对于像素点进行处理时并不是采取平均数的方法，而是改为采取中位数的方法

图像特征

1 灰度直方图，描述了图像中不同灰度值的分布情况
2 LBP特征及局部二值模型，原始的LBP算法是在一个33的窗口内，中间值为阈值。可以将这个过程中的33矩阵换成其他任意领域，用的比较多的另一种为圆形邻域。LBP特征对光照具有良好的鲁棒性，灰度不变性，且计算速度快，实现简单，旋转不变性
3 haar特征即haar-like特征，又称Viola-Jones识别器，通过不同模板来对图片进行特征提取，最后筛选出比较有代表性的特征能再进行分类
4.HOG特征即方向梯度直方图

你可能感兴趣的:(卷积)

  • 人脸识别算法赋能园区无人超市安防升级 智驱力人工智能 算法人工智能边缘计算人脸识别智慧园区智慧工地智慧煤矿
    人脸识别算法赋能园区无人超市安防升级正文在园区无人超市的运营管理中，传统安防手段依赖人工巡检或基础监控设备，存在响应滞后、误报率高、环境适应性差等问题。本文从技术背景、实现路径、功能优势及应用场景四个维度，阐述如何通过人脸识别检测、人员入侵算法及疲劳检测算法的协同应用，构建高效、精准的智能安防体系。一、技术背景：视觉分析算法的核心支撑人脸识别算法基于深度学习的卷积神经网络（CNN）模型，通过提取面
  • 【机器学习实战】Datawhale夏令营2：深度学习回顾 城主_全栈开发 机器学习机器学习深度学习人工智能
    #DataWhale夏令营#ai夏令营文章目录1.深度学习的定义1.1深度学习＆图神经网络1.2机器学习和深度学习的关系2.深度学习的训练流程2.1数学基础2.1.1梯度下降法基本原理数学表达步骤学习率α梯度下降的变体2.1.2神经网络与矩阵网络结构表示前向传播激活函数反向传播批处理卷积操作参数更新优化算法正则化初始化2.2激活函数Sigmoid函数:Tanh函数:ReLU函数(Rectified
  • 从0开始学习计算机视觉--Day04--线性分类 Chef_Chen 学习计算机视觉分类
    从宏观来看，卷积网络可以看做是由一个个不同的神经网络组件组合而成，就像积木一样通过不同类型的组件搭建形成，其中线性分类器是一个很重要的组件，在很多卷积网络中都有用到，所以了解清楚它的工作原理对我们后续的学习会有很大的帮助。线性分类器是参数模型中最简单，最基础的例子，下面我们用输入图片输出图片分类的模型的例子来更进一步地了解它。首先，我们输入一张图片到模型中，输入后我们就会得到f(x,W)，x指的是
  • OpenCV边缘填充方式详解 慕婉0307 opencv基础opencv计算机视觉人工智能
    一、边缘填充概述在图像处理中，边缘填充（BorderPadding）是一项基础而重要的技术，特别是在进行卷积操作（如滤波、边缘检测等）时，处理图像边缘像素需要用到周围的像素值。由于图像边缘的像素没有完整的邻域，因此需要通过某种方式对图像边界进行扩展。边缘填充的主要应用场景包括：图像滤波（如高斯滤波、中值滤波等）卷积神经网络（CNN）中的卷积层形态学操作（如膨胀、腐蚀）图像特征提取二、OpenCV中
  • Day41 Python打卡训练营
    知识回顾1.数据增强2.卷积神经网络定义的写法3.batch归一化：调整一个批次的分布，常用与图像数据4.特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout，可选)->Dense(Output)importtorchimporttorc
  • 深度学习在人脸识别中的应用及Python实现 loop_syntax648 机器学习-深度学习
    人脸识别是一种通过计算机技术识别和验证人脸的方法，近年来深度学习在人脸识别领域取得了显著的进展。深度学习模型能够学习和提取人脸图像中的高级特征，从而实现准确的人脸识别。本文将介绍深度学习在人脸识别中的应用，并提供Python实现的源代码。深度学习模型通常基于卷积神经网络（ConvolutionalNeuralNetwork，CNN）进行人脸识别。CNN是一种专门用于处理图像和视觉数据的神经网络模型
  • 【Pytorch学习笔记】模型模块09——VGG详解 越轨 Pytorch学习笔记pytorch学习笔记深度学习人工智能python
    一、VGG核心设计原理小卷积核堆叠用多层3×3卷积替代大卷积核（如5×5/7×7）数学原理：2层3×3卷积感受野等效于5×5：RFout=(RFin−1)×stride+KRF_{out}=(RF_{in}-1)\timesstride+KRFout=(RFin−1)×stride+K参数量对比：3层3×3卷积（3×(32C2)=27C23×(3^2C^2)=27C^23×(32C2)=27C2）
  • 60天python训练营打卡day41 tan90�= python60天打卡python开发语言
    学习目标：60天python训练营打卡学习内容：DAY41简单CNN知识回顾1.数据增强2.卷积神经网络定义的写法3.batch归一化：调整一个批次的分布，常用与图像数据4.特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout，可选)->De
  • 深度解析YOLOv8：CSPHet卷积结构如何实现极致轻量化 向哆哆 YOLO创新涨点系列YOLOyolov8架构目标检测机器学习
    文章目录一、背景介绍1.1YOLOv8的现状1.2降参数的必要性二、相关技术介绍2.1Dual思想2.2HetConv三、CSPHet结构设计3.1CSP模块的改进3.2结合HetConv3.3参数量的下降四、CSPHet的代码实现五、实验结果六、总结与展望在目标检测领域，YOLO系列算法一直以其卓越的速度和准确率受到广泛关注。随着深度学习技术的不断发展，研究人员不断探索如何进一步优化YOLO算法
  • 【深度学习加速探秘】Winograd 卷积算法：让计算效率 “飞” 起来 heimeiyingwang 算法深度学习算法人工智能
    一、为什么需要Winograd卷积算法？从“卷积计算瓶颈”说起在深度学习领域，卷积神经网络（CNN）被广泛应用于图像识别、目标检测、语义分割等任务。然而，卷积操作作为CNN的核心计算单元，其计算量巨大，消耗大量的时间和计算资源。随着模型规模不断增大，传统卷积算法的计算效率成为限制深度学习发展的一大瓶颈。Winograd卷积算法的出现，犹如一把利刃，直击传统卷积计算的痛点。它通过巧妙的数学变换，大幅
  • [信号与系统]IIR滤波器与FIR滤波器的表达、性质以及一些分析 庭师_Official 信号与系统信号与系统信号处理
    前言阅读本文需要阅读一些前置知识[信号与系统]傅里叶变换、卷积定理、和为什么时域的卷积等于频域相乘。[信号与系统]有关滤波器的一些知识背景[信号与系统]关于LTI系统的转换方程、拉普拉斯变换和z变换[信号与系统]关于双线性变换IIR滤波器的数学表达式IIR（InfiniteImpulseResponse）滤波器的输出信号y[n]y[n]y[n]可以用输入信号x[n]x[n]x[n]和滤波器系数表示
  • 通义万相2.1技术深度解析 accurater c++算法笔记人工智能神经网络深度学习
    如果喜欢可以到我的主页订阅专栏哟(＾Ｕ＾)ノ~ＹＯ一、系统架构概览通义万相2.1是基于扩散模型的多模态生成系统，其核心架构包含以下模块：多模态编码器CLIPViT-L/14文本编码器（768维嵌入）改进型图像编码器（EfficientNet-B7+自注意力）扩散主干网络改进型U-Net架构（128层残差块）多尺度交叉注意力机制动态卷积核分配自适应噪声调度系统非线性噪声衰减算法分阶段训练策略分布式训
  • 网络模块尺寸多样导致的内存碎片 weixin_42319617 深度学习
    在给网络换了编码器之后，出现了显存不足的报错，于是出现了两个问题，一个是为什么服务器上有5G的显存不可用，由于除了数据集之外，配置和模型相同的另一个设备上还有接近一半的占用，而这里显然高出了几G，所以先不解决这个问题，而是改模型的尺寸，如何调整使其符合当前的显存，由于编码之后使用3*3的卷积进行了通道的调整，想着改成1*1的显存会下降，因为从参数量计算上看后者的结果更小，但事实上相反，由于后者对应
  • 第五章 卷积神经网络（CNN） AI拉呱 机器学习深度学习实例讲解与分析
    第五章卷积神经网络（CNN）5.1卷积神经网络的组成层在卷积神经网络中，有3种最主要的层：卷积运算层池化层全连接层一个完整的神经网络就是由这三种层叠加组成的。结构示例拿CIFAR-10数据集举例，一个典型的该数据集上的卷积神经网络分类器应该有[INPUT-CONV-RELU-POOL-FC]的结构，INPUT[32*32*3]包含原始图片数据中的全部像素，长宽都是32，有RGB3个颜色通道。CON
  • 探秘 Drain3：一款高效日志异常检测神器 尚舰舸Elsie
    探秘Drain3：一款高效日志异常检测神器去发现同类优质开源项目:https://gitcode.com/项目简介是一个基于深度学习的日志异常检测系统，由LogPAI团队开发并开源。它旨在帮助运维人员和数据科学家快速发现系统日志中的异常行为，从而及时预测和处理潜在的问题，提升系统的稳定性和安全性。技术分析Drain3的核心技术是利用一维卷积神经网络（1DConvolutionalNeuralNet
  • Python训练营---DAY54 2501_91182850 Python训练营python开发语言深度学习
    DAY54Inception网络及其思考知识点回顾：传统计算机视觉发展史：LeNet-->AlexNet-->VGGNet-->nceptionNet-->ResNetinception模块和网络特征融合方法阶段性总结：逐元素相加、逐元素相乘、concat通道数增加等感受野与卷积核变体：深入理解不同模块和类的设计初衷作业：一次稍微有点学术感觉的作业：对inception网络在cifar10上观察精
  • DCRNN模型复现报告 神经网络15044 仿真模型python算法算法网络目标检测开发语言python
    DCRNN模型复现报告1.项目概述本报告将完整复现GitHub仓库https://github.com/liyaguang/DCRNN中的DiffusionConvolutionalRecurrentNeuralNetwork(DCRNN)模型。DCRNN是一种用于交通预测的深度学习模型，结合了图卷积网络和循环神经网络，能够有效处理交通网络中的时空依赖关系。1.1DCRNN模型特点扩散卷积层：将空
  • Python-OpenCV-图像滤波 卡朗 PythonOpenCVpythonopencv计算机视觉人工智能图像处理
    图像除了包含对应灰度或彩色信息，还包含一些无用的噪点等造成的不均匀扭曲。滤波可以清除这些噪点，平滑图像细节，使得图像更加清晰。均值滤波均值滤波器的原理是将每个像素的灰度值替换为其周围像素灰度值的平均值。其核心思想是去除图像中的高频噪声，同时保留图像中的低频信息。在进行均值滤波操作时，需要定义一个滤波模板（卷积核），通常是一个矩形区域，其大小由模板的宽度和高度决定。在模板中的每一个像素，都会与该像素
  • 微算法科技(NASDAQ：MLGO)采用量子卷积神经网络(QCNN)，检测区块链中的DDoS攻击 MicroTech2025 量子计算区块链
    随着区块链技术的广泛应用，其安全性问题日益凸显。DDoS攻击作为一种常见的网络攻击手段，也对区块链网络构成了严重威胁。传统的检测方法在应对复杂多变的DDoS攻击时存在一定局限性，而量子计算的发展为解决这一问题带来了新的契机。微算法科技(NASDAQ：MLGO)深入研究量子卷积神经网络(QCNN)，并对其在检测区块链中的DDoS攻击方面进行了一系列创新改进。量子卷积神经网络（QCNN）是结合了量子计
  • 道路点云分割+边界提取+中心线方法总结 asdbhkasgb 相关论文深度学习计算机视觉人工智能算法3d
    1.FastLIDAR-basedRoadDetectionUsingFullyConvolutionalNeuralNetworks2017流程点云数据转换为俯视图图像从激光雷达获取的点云数据是无结构的，因此需要先将其转换为适合全卷积神经网络（FCN）处理的格式。具体来说，作者在激光雷达的XY平面上创建一个网格，并将点云中的每个点分配到相应的网格单元。对每个网格单元计算一些基础统计数据，例如：平
  • 基于深度学习的智能图像语义分割系统：技术与实践 Blossom.118 机器学习与人工智能深度学习人工智能python分类音视频机器学习sklearn
    前言图像语义分割是计算机视觉领域中的一个重要任务，其目标是将图像中的每个像素分配到预定义的语义类别中。这一技术在自动驾驶、医学影像分析、机器人视觉等多个领域有着广泛的应用。近年来，深度学习技术，尤其是卷积神经网络（CNN）及其变体，为图像语义分割带来了显著的改进。本文将详细介绍基于深度学习的智能图像语义分割系统的原理、实现方法以及实际应用案例。一、图像语义分割的基本概念1.1什么是图像语义分割？图
  • 基于深度学习的特征映射模块（FMS）实现与分析 RockLiu@805 深度学习模块机器视觉深度学习人工智能
    基于深度学习的特征映射模块（FMS）实现与分析引言在现代计算机视觉任务中，特征提取是至关重要的一步。传统的CNN虽然在很多任务上表现良好，但面对复杂图像信息时仍显得力不从心。为了解决这一问题，研究者们不断探索新的方法和技术，以更高效地捕捉和表示图像中的特征。今天，我将带大家深入探索一个结合了深度学习与小波变换的特征映射模块（FMS）。该模块不仅利用了传统的卷积神经网络（CNN），还引入了离散小波变
  • 探秘卷积神经网络（CNN）：从原理到实战的深度解析 LNL13 cnn人工智能神经网络
    在图像识别、视频处理等领域，卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）如同一位“超级侦探”，能够精准捕捉图像中的关键信息，实现对目标的快速识别与分析。从医疗影像诊断到自动驾驶中的路况感知，CNN凭借独特的架构设计和强大的特征提取能力，成为深度学习领域的中流砥柱。接下来，让我们深入探索CNN的奥秘。一、CNN的诞生背景与核心优势传统的神经网络，如多层感知机（ML
  • 搜索引擎蜘蛛的智能抓取策略：技术解构与动态博弈的深层逻辑 我爱学习558 搜索引擎蜘蛛2搜索引擎pythonjavascript
    搜索引擎蜘蛛的抓取过程远非简单的页面下载，而是一场融合了计算机科学、博弈论和信息经济学的复杂系统工程。其技术实现中暗藏着搜索引擎对网络空间认知范式的根本性转变。###一、多模态解析引擎的量子化演进现代蜘蛛的解析引擎已突破传统HTML解析的局限，形成多模态感知架构：**1.时空感知型解析器**-**视觉权重建模**：通过卷积神经网络(CNN)分析页面视觉热区，将首屏内容权重提升37%-**交互深度预
  • Python实现简单的深度学习实践 master_chenchengg pythonpythonPythonpython开发IT
    Python实现简单的深度学习实践Python：通往深度学习世界的钥匙动手搭建你的第一个神经网络模型从零开始，用Python解析MNIST手写数字识别超越基础：使用Keras快速构建卷积神经网络实战演练：训练一个简单的图像分类器Python：通往深度学习世界的钥匙在当今这个数据驱动的时代，Python无疑成为了打开深度学习大门的金钥匙。它不仅语法简洁、易于上手，而且拥有强大的社区支持和丰富的库资源
  • 【深度学习-Day 31】CNN基石：彻底搞懂卷积层 (Convolutional Layer) 的工作原理 吴师兄大模型 深度学习入门到精通深度学习cnn人工智能pytorch机器学习pythonLLM
    Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
  • 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
  • 信息传输仿真：信道编码与解码_（6）.卷积码 kkchenkx 信号仿真2matlab信号处理开发语言服务器网络
    卷积码1.卷积码的基本概念卷积码是一种广泛应用的信道编码技术，主要用于提高数据传输的可靠性。与块码不同，卷积码是将信息比特流按时间顺序依次输入编码器，并且每个输出比特不仅取决于当前输入的信息比特，还取决于前一个或多个信息比特。这种编码方式使得卷积码具有较强的纠错能力，尤其是在连续错误的情况下。1.1卷积码的生成多项式卷积码的生成是由生成多项式决定的。生成多项式定义了编码器的结构和编码规则。假设卷积
  • 八种常见的神经网络介绍 EdmundXjs 技术专栏神经网络人工智能深度学习
      在深度学习的世界里，各种神经网络模型层出不穷，每一种都有其独特的魅力和优势。今天，以下是八种常见的神经网络模型及其特点介绍，让我们来看看它们是如何在人工智能领域大放异彩的。概述（八大神经网络）卷积神经网络（CNN）：适用于图像、音频等网格数据处理。通过卷积层提取局部特征，池化层降维，广泛用于图像分类、目标检测。特点是参数共享和权值的局部连接，减少了模型复杂度。循环神经网络（RNN）：擅长处理序
  • 基于CNN卷积神经网络识别汉字合集-视频介绍下自取 no_work 深度学习cnn人工智能神经网络
    内容包括：含ShuffleNet等多个模型的手写中文汉字识别摄像头版109含ShuffleNet等多个模型的手写中文汉字识别摄像头版_哔哩哔哩_bilibili本代码用的python语言，pytorch深度学习框架运行，环境的安装可以参考博客：深度学习环境安装教程-anaconda-python-pytorch_动手学习深度学习的环境安装-CSDN博客代码总共分成三个部分，01py文件是划分数据集
  • 关于旗正规则引擎下载页面需要弹窗保存到本地目录的问题 何必如此 jsp超链接文件下载窗口
    生成下载页面是需要选择“录入提交页面”，生成之后默认的下载页面<a>标签超链接为：<a href="<%=root_stimage%>stimage/image.jsp?filename=<%=strfile234%>&attachname=<%=java.net.URLEncoder.encode(file234filesourc
  • 【Spark九十八】Standalone Cluster Mode下的资源调度源代码分析 bit1129 cluster
    在分析源代码之前，首先对Standalone Cluster Mode的资源调度有一个基本的认识： 首先，运行一个Application需要Driver进程和一组Executor进程。在Standalone Cluster Mode下，Driver和Executor都是在Master的监护下给Worker发消息创建(Driver进程和Executor进程都需要分配内存和CPU，这就需要Maste
  • linux上独立安装部署spark daizj linux安装spark1.4部署
    下面讲一下linux上安装spark，以 Standalone Mode 安装   1）首先安装JDK   下载JDK：jdk-7u79-linux-x64.tar.gz  ，版本是1.7以上都行，解压 tar -zxvf jdk-7u79-linux-x64.tar.gz     然后配置 ~/.bashrc&nb
  • Java 字节码之解析一 周凡杨 java字节码javap
        一： Java 字节代码的组织形式   类文件 {     OxCAFEBABE ，小版本号，大版本号，常量池大小，常量池数组，访问控制标记，当前类信息，父类信息，实现的接口个数，实现的接口信息数组，域个数，域信息数组，方法个数，方法信息数组，属性个数，属性信息数组 } &nbs
  • java各种小工具代码 g21121 java
    1.数组转换成List import java.util.Arrays; Arrays.asList(Object[] obj); 2.判断一个String型是否有值 import org.springframework.util.StringUtils; if (StringUtils.hasText(str)) 3.判断一个List是否有值 import org.spring
  • 加快FineReport报表设计的几个心得体会 老A不折腾 finereport
    一、从远程服务器大批量取数进行表样设计时，最好按“列顺序”取一个“空的SQL语句”，这样可提高设计速度。否则每次设计时模板均要从远程读取数据，速度相当慢！！ 二、找一个富文本编辑软件（如NOTEPAD+）编辑SQL语句，这样会很好地检查语法。有时候带参数较多检查语法复杂时，结合FineReport中生成的日志，再找一个第三方数据库访问软件（如PL/SQL）进行数据检索，可以很快定位语法错误。
  • mysql linux启动与停止 墙头上一根草
    如何启动/停止/重启MySQL一、启动方式1、使用 service 启动：service mysqld start2、使用 mysqld 脚本启动：/etc/inint.d/mysqld start3、使用 safe_mysqld 启动：safe_mysqld&二、停止1、使用 service 启动：service mysqld stop2、使用 mysqld 脚本启动：/etc/inin
  • Spring中事务管理浅谈 aijuans spring事务管理
    Spring中事务管理浅谈 By Tony Jiang@2012-1-20 Spring中对事务的声明式管理 拿一个XML举例 [html]  view plain copy print ? <?xml version="1.0" encoding="UTF-8"?>&nb
  • php中隐形字符65279（utf-8的BOM头）问题 alxw4616
    php中隐形字符65279（utf-8的BOM头）问题 今天遇到一个问题. php输出JSON 前端在解析时发生问题:parsererror.   调试: 1.仔细对比字符串发现字符串拼写正确.怀疑是 非打印字符的问题. 2.逐一将字符串还原为unicode编码. 发现在字符串头的位置出现了一个 65279的非打印字符.        
  • 调用对象是否需要传递对象(初学者一定要注意这个问题) 百合不是茶 对象的传递与调用技巧
        类和对象的简单的复习,在做项目的过程中有时候不知道怎样来调用类创建的对象,简单的几个类可以看清楚,一般在项目中创建十几个类往往就不知道怎么来看   为了以后能够看清楚,现在来回顾一下类和对象的创建,对象的调用和传递(前面写过一篇)   类和对象的基础概念:   JAVA中万事万物都是类 类有字段(属性),方法,嵌套类和嵌套接
  • JDK1.5 AtomicLong实例 bijian1013 javathreadjava多线程AtomicLong
    JDK1.5 AtomicLong实例 类 AtomicLong 可以用原子方式更新的 long 值。有关原子变量属性的描述，请参阅 java.util.concurrent.atomic 包规范。AtomicLong 可用在应用程序中（如以原子方式增加的序列号），并且不能用于替换 Long。但是，此类确实扩展了 Number，允许那些处理基于数字类的工具和实用工具进行统一访问。  
  • 自定义的RPC的Java实现 bijian1013 javarpc
            网上看到纯java实现的RPC，很不错。         RPC的全名Remote Process Call，即远程过程调用。使用RPC，可以像使用本地的程序一样使用远程服务器上的程序。下面是一个简单的RPC 调用实例，从中可以看到RPC如何
  • 【RPC框架Hessian一】Hessian RPC Hello World bit1129 Hello world
    什么是Hessian The Hessian binary web service protocol makes web services usable without requiring a large framework, and without learning yet another alphabet soup of protocols. Because it is a binary p
  • 【Spark九十五】Spark Shell操作Spark SQL bit1129 shell
    在Spark Shell上，通过创建HiveContext可以直接进行Hive操作   1. 操作Hive中已存在的表   [hadoop@hadoop bin]$ ./spark-shell Spark assembly has been built with Hive, including Datanucleus jars on classpath Welcom
  • F5　往header加入客户端的ip ronin47
    when HTTP_RESPONSE {if {[HTTP::is_redirect]}{         HTTP::header replace Location [string map {:port/ /} [HTTP::header value Location]]HTTP::header replace Lo
  • java-61-在数组中，数字减去它右边(注意是右边)的数字得到一个数对之差. 求所有数对之差的最大值。例如在数组{2, 4, 1, 16, 7, 5, bylijinnan java
    思路来自： http://zhedahht.blog.163.com/blog/static/2541117420116135376632/ 写了个java版的 public class GreatestLeftRightDiff { /** * Q61.在数组中，数字减去它右边(注意是右边)的数字得到一个数对之差。 * 求所有数对之差的最大值。例如在数组
  • mongoDB 索引 开窍的石头 mongoDB索引
    在这一节中我们讲讲在mongo中如何创建索引       得到当前查询的索引信息      db.user.find(_id:12).explain();        cursor: basicCoursor 指的是没有索引  &
  • [硬件和系统]迎峰度夏 comsci 系统
      从这几天的气温来看，今年夏天的高温天气可能会维持在一个比较长的时间内    所以，从现在开始准备渡过炎热的夏天。。。。    每间房屋要有一个落地电风扇，一个空调(空调的功率和房间的面积有密切的关系)    坐的，躺的地方要有凉垫，床上要有凉席       电脑的机箱
  • 基于ThinkPHP开发的公司官网 cuiyadll 行业系统
    后端基于ThinkPHP，前端基于jQuery和BootstrapCo.MZ 企业系统 轻量级企业网站管理系统 运行环境:PHP5.3+, MySQL5.0 系统预览 系统下载：http://www.tecmz.com 预览地址：http://co.tecmz.com 各种设备自适应 响应式的网站设计能够对用户产生友好度，并且对于
  • Transaction and redelivery in JMS (JMS的事务和失败消息重发机制) darrenzhu jms事务承认MQacknowledge
    JMS Message Delivery Reliability and Acknowledgement Patterns http://wso2.com/library/articles/2013/01/jms-message-delivery-reliability-acknowledgement-patterns/ Transaction and redelivery in
  • Centos添加硬盘完全教程 dcj3sjt126com linuxcentoshardware
    Linux的硬盘识别: sda        表示第1块SCSI硬盘 hda       表示第1块IDE硬盘 scd0      表示第1个USB光驱 一般使用“fdisk -l”命
  • yii2 restful web服务路由 dcj3sjt126com PHPyii2
    路由 随着资源和控制器类准备，您可以使用URL如 http://localhost/index.php?r=user/create访问资源，类似于你可以用正常的Web应用程序做法。 在实践中，你通常要用美观的URL并采取有优势的HTTP动词。 例如，请求POST /users意味着访问user/create动作。 这可以很容易地通过配置urlManager应用程序组件来完成 如下所示
  • MongoDB查询(4)——游标和分页[八] eksliang mongodbMongoDB游标MongoDB深分页
    转载请出自出处：http://eksliang.iteye.com/blog/2177567 一、游标         数据库使用游标返回find的执行结果。客户端对游标的实现通常能够对最终结果进行有效控制，从shell中定义一个游标非常简单，就是将查询结果分配给一个变量（用var声明的变量就是局部变量），便创建了一个游标，如下所示： > var
  • Activity的四种启动模式和onNewIntent() gundumw100 android
    Android中Activity启动模式详解 　　在Android中每个界面都是一个Activity，切换界面操作其实是多个不同Activity之间的实例化操作。在Android中Activity的启动模式决定了Activity的启动运行方式。 　　Android总Activity的启动模式分为四种： Activity启动模式设置： <acti
  • 攻城狮送女友的CSS3生日蛋糕 ini htmlWebhtml5csscss3
    在线预览：http://keleyi.com/keleyi/phtml/html5/29.htm   代码如下：   <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>攻城狮送女友的CSS3生日蛋糕-柯乐义<
  • 读源码学Servlet（1）GenericServlet 源码分析 jzinfo tomcatWebservlet网络应用网络协议
    Servlet API的核心就是javax.servlet.Servlet接口，所有的Servlet 类（抽象的或者自己写的）都必须实现这个接口。在Servlet接口中定义了5个方法，其中有3个方法是由Servlet 容器在Servlet的生命周期的不同阶段来调用的特定方法。     先看javax.servlet.servlet接口源码：  package
  • JAVA进阶：VO(DTO)与PO(DAO)之间的转换 snoopy7713 javaVOHibernatepo
      PO即 Persistence Object　　VO即 Value Object 　VO和PO的主要区别在于：　　VO是独立的Java Object。　　PO是由Hibernate纳入其实体容器（Entity Map）的对象，它代表了与数据库中某条记录对应的Hibernate实体，PO的变化在事务提交时将反应到实际数据库中。 　实际上，这个VO被用作Data Transfer
  • mongodb group by date 聚合查询日期 统计每天数据（信息量） qiaolevip 每天进步一点点学习永无止境mongodb纵观千象
    /* 1 */ { "_id" : ObjectId("557ac1e2153c43c320393d9d"), "msgType" : "text", "sendTime" : ISODate("2015-06-12T11:26:26.000Z")
  • java之18天 常用的类(一) Luob. MathDateSystemRuntimeRundom
    System类 import java.util.Properties; /** * System: * out:标准输出,默认是控制台 * in:标准输入,默认是键盘 * * 描述系统的一些信息 * 获取系统的属性信息:Properties getProperties(); * * * */ public class Sy
  • maven wuai maven
    1、安装maven：解压缩、添加M2_HOME、添加环境变量path 2、创建maven_home文件夹，创建项目mvn_ch01,在其下面建立src、pom.xml，在src下面简历main、test、main下面建立java文件夹 3、编写类，在java文件夹下面依照类的包逐层创建文件夹，将此类放入最后一级文件夹 4、进入mvn_ch01 4.1、mvn compile ,执行后会在
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他