- 【计算机视觉】CV项目实战- SiamMask 单阶段分割跟踪器
白熊188
计算机视觉计算机视觉人工智能
SiamMask单阶段分割跟踪器一、项目概述与技术原理1.1核心技术创新1.2性能优势二、实战环境搭建2.1系统要求与依赖安装2.2项目编译与配置三、模型推理实战3.1快速体验Demo3.2常见运行时错误处理四、模型训练指南4.1数据准备流程4.2训练执行与监控五、高级应用与优化5.1模型部署优化5.2实际应用案例六、项目资源汇总6.1关键文件说明6.2扩展学习资源一、项目概述与技术原理SiamM
- SiamMask中的分类分支、回归分支与Mask分支,有何本质差异?
视觉AI
Siam系列网络深度解析分类回归计算机视觉
SiamMask中的分类分支、回归分支与Mask分支,有何本质差异?一、引言二、分支定位与任务目标三、网络结构与感受野设计3.1分类分支(ClassificationHead)3.2回归分支(RegressionHead)3.3Mask分支(MaskHead)四、输入特征与输出形式五、损失函数与监督信号5.1分类分支损失5.2回归分支损失5.3Mask分支损失5.4总损失六、三者协同工作流程七、实
- SiamMask原理详解:从SiamFC到SiamRPN++,再到多任务分支设计
视觉AI
Siam系列网络深度解析人工智能计算机视觉目标检测目标分割
SiamMask原理详解:从SiamFC到SiamRPN++,再到多任务分支设计一、引言二、SiamFC:目标跟踪的奠基者1.SiamFC的结构2.SiamFC的局限性三、SiamRPN++:引入Anchor机制的改进1.SiamRPN的创新2.SiamRPN++的进一步优化四、SiamMask:目标跟踪与分割的完美结合1.SiamMask的多任务设计2.Mask分支的作用五、总结与展望参考文献系
- 【Visual Object Tracking】Learning notes
bryant_meng
CNN/Transformer读书笔记深度学习人工智能单目标跟踪VOT
DenseOpticalTracking:ConnectingtheDots参考学习来自:单目标跟踪Siamese系列网络:SiamFC、SiamRPN、one-shot跟踪、one-shotting单样本学习、DaSiamRPN、SiamRPN++、SiamMask单目标跟踪:跟踪效果/单目标跟踪:数据集处理/单目标跟踪:模型搭建/单目标跟踪:模型训练/单目标跟踪:模型测试单目标跟踪SiamMa
- 光流方法总结一
就叫阿水
光流深度学习计算机视觉
之前实习时接触过一段时间光流,本意是想用于辅助跟踪的。由于siammask框架自带分割功能,因此用稠密光流也是能跟踪的,虽然最终没用上。。就像光线暗时,2个黑衣人并列走着,距离太远,人显得太小。。最终试了几种光流都不能跟好。都是整理之前记录的笔记留下的,之前是边看边记录的。。对光流理解还比较浅,可能有些地方理解不对。。传统方法:OpenCV相关API:Link光流法假设前提:同一目标在相邻帧之间的
- 使用MindStudio进行SiamMask模型推理
青袂宛约
python开发语言目标跟踪人工智能
SiamMask-图文案例1介绍本次实验需要MindStudio环境,我们先根据教程配置环境来安装MindStudio。MindStudio支持Python,Java和C语言的开发,提供了一站式AI开发环境,并提供了许多性能调优工具,应用开发中提供了插件化扩展机制,是一个高效、便捷的全流程开发工具链。2安装教程MindStudio支持Windows和Linux两大平台。如图1所示,根据需要进行安装
- SiamMask目标跟踪算法项目环境配置记录
点滴成海~
ObjectTracking目标跟踪SiamMask
一、SiamMask2019目标跟踪算法新高度,记录一下环境配置过程,感谢大神的代码开源。FastOnlineObjectTrackingandSegmentation:AUnifyingApproach,论文地址【Paper】二、运行环境配置原运行环境是在Ubuntu16.04,Python3.6,Pytorch0.4.1,CUDA9.2,RTX2080GPUs上运行的,实测的时候我的环境是Ub
- SiamNet 系列方法总结
藏晖
目标跟踪深度学习SOT深度学习人工智能
SiamNet系列方法总结1、SiamFC2、DSiam(ICCV2017)3、SiamRPN(CVPR18)4、SASiam(CVPR18)5、StruckSiam(ECCV2018)6、SiamTri(ECCV2018)7、DaSiamRPN(ECCV2018)8、UpdateNet(ICCV2019)9、SiamRPN++(CVPR2019)10、SiamMask(CVPR2019)11、S
- 单目标追踪——【孪生网络】SiamMask论文阅读笔记
zz的大穗禾
SOT论文阅读深度学习计算机视觉人工智能目标跟踪
目录发现问题受到启发实现整体构想思路网络结构特征提取部分目标定位部分SiamMask-2B——SiamFC定位法SiamMask-3B——SiamRPN定位法Mask生成方法方法一方法二——refinement模块论文链接:SiamMaskSiamFCSiamRPN发现问题1、追踪的预测目标位置定义不同精度也会不同。(用旋转矩形框描述目标位置比坐标轴对齐的矩形框更精确)2、VOS算法的第一帧需要给
- SiamMask论文笔记
DL小白123
论文阅读人工智能机器学习1024程序员节
动机:1、追踪的预测目标位置定义不同精度也会不同。(用旋转矩形框描述目标位置比坐标轴对齐的矩形框更精确)2、VOS算法的第一帧需要给定目标的mask,这在人机交互的场景中很难时间,这个mask获取成本过高。3、视频物体分割(VOS)领域的大多数方法的速度慢,难以满足实时性。方法:用三个任务训练一个孪生网络,这三个任务的目标不同,对应了不同的针对目标与候选区域建模策略。任务一用来估计目标的位置,任务
- SiamMask阅读翻译笔记
uu无极
深度学习算法文献阅读深度学习
目录Section1:方法引言Seciton2:relatedwork:简要概述相关的、代表性的,目标跟踪和半监督VOS实现的成果。Section3:descrptionourproposal:详细描述方法section4:评估,分别在跟踪和视频分割两个相关领域评估算法其他:原文名称:FastOnlineObjectTrackingandSegmentation:AUnifyingApproach
- SiamMask 测试程序分析
图波列夫
VisualTrackingPyTorch视觉跟踪VisualTracking孪生网络
之前分析了DaSiamRPN的测试代码,侧重于执行细节。到了SiamMask,似乎主题应该有所升华。故事的明线为跟踪器构成,暗线为训练流图。相比于DaSiamRPN,SiamMask不仅网络结构是现代化的,系统设计也更具匠心。这便于我们一窥其轮廓。SiamMask/models文件夹下定义了网络的基本架构。SiamMaskFeaturesRPNMask网络工作流为:z_f'x_fz_f'x_fex
- 2021-07-15
Chartreuse--
python
Ubuntu运行siammask代码记录(在testing阶段运行python…/…/tools/eval.py--datasetVOT2016--tracker_prefixC--result_dir./test/VOT2016报错:ModuleNotFoundError:Nomodulenamed‘pkg_resources’python-mpipinstall--upgradepipsetu
- 2021-07-14
Chartreuse--
ubuntupython
Ubuntu运行siammask代码记录在testing阶段运行python…/…/tools/eval.py--datasetVOT2016--tracker_prefixC--result_dir./test/VOT2016报错:ImportError:Somethingiswrongwiththenumpyinstallation.解决:更换numba和llvmlite版本pipinstal
- 目标跟踪-按专题分类文章
强化神经
学习笔记目标跟踪
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目标跟踪-按专题分类文章一、暹罗二、注意力三、Transformer四、其他一、暹罗1、FastOnlineObjectTrackingandSegmentation:AUnifyingApproach(快速在线目标跟踪和分割:一种统一的方法)github:https://github.com/foolwood/SiamMask论文地
- CVPR2020交互式分割算法IOG的配置(Interactive Object Segmentation with Inside-Outside Guidance)
博博有个大大大的Dream
图像分割深度学习计算机视觉机器学习pytorch
目标跟踪、目标检测、前景分割不分家,如SiamMask、SiamR-CNN这篇文章针对目标框可起到很好地分割效果。注:原代码的运行环境为Ubuntu,本文在Windows10系统下完成配置。1、论文下载:InteractiveObjectSegmentationwithInside-OutsideGuidance.[paper][code]2、代码下载:https://github.com/shi
- 商汤视觉跟踪算法两部曲之SiamMask , CVPR 2019商汤提出了对视觉目标(VOT)和对视频目标(VOS)的统一框架
「已注销」
人工智能
商汤视觉跟踪算法两部曲之SiamMask,CVPR2019商汤提出了对视觉目标(VOT)和对视频目标(VOS)的统一框架。将跟踪的初始化只需要提供视频跟踪的box输入即可,输出时却能同时得到box和mask两个输出。只需要在Siamese网络中额外增加一个Mask分支即可。本工程提供复现该lunwen的C++工程代码及编译配置说明文档。对基于深度学习的跟踪算法有部署兴趣的可以自己将这种single
- Siamese系列跟踪网络之SiamFC、SiamRPN、DaSiamRPN、SiamRPN++、SiamMask
迷路的咸鱼
#目标跟踪深度学习目标跟踪孪生网络pytorch
目前,跟踪领域主要分为两条主线,即基于相关滤波的跟踪算法和基于孪生网络的跟踪算法。由于深度特征的提取和更新很难做到实时,基于在线微调网络的深度目标跟踪方法会使跟踪器的效率大大降低。为解决这一问题,SiamFC提出基于离线端到端训练的全卷积李生网络的跟踪方法,在拥有较快的跟踪速度的同时,保持着较高的跟踪精度,因此受到了广泛的关注,近年来也出现基于此的大量研究。下图就是基于SaimFC改进的发展脉
- 智慧交通day04-特定目标车辆追踪03:siamese在目标跟踪中的应用-SiamMask(2019)
LiBiGor
dnn目标检测深度学习
与普通的视频跟踪网络不同的是,SiamMask可以同时完成视频跟踪和实例级分割的任务。如下图所示,与传统的对象跟踪器一样,依赖于一个简单的边界框初始化(蓝色)并在线操作。与ECO(红色)等最先进的跟踪器不同,SiamMask(绿色)能够生成二进制分割,从而更准确地描述目标对象。3.5.1网络结构SiamMask的网络结构,提出了三分支的SiamMask网络。与之前的孪生网络十分相似的是,将模板图像
- 学习 PySOT(1)(介绍、配置、使用)
张小波
目标跟踪python目标跟踪深度学习计算机视觉
文章目录前言一、PySOT介绍二、PySOT配置1.文件准备(附:所有百度云链接)2.环境配置三、PySOT使用1.尝试先在AnacondaPrompt命令窗口下运行demo.py2.在pycharm下使用PySOT前言PySOT是商汤(SenseTime视频智能研究团队)开源的目标跟踪库,实现了最新的单目标跟踪算法,主要包含:SiamRPN、SiamMask。使用Python编写的,基于Pyto
- 【转载】CVPR 2019:中科院、牛津等提出SiamMask网络,视频跟踪最高精度
机器视觉-zjuer
https://baijiahao.baidu.com/s?id=1627432661257652978&wfr=spider&for=pcMotivation:视频跟踪到底是跟踪什么?长久以来,我们的思维倾向于陷入舒适区。当A做了物体检测,我们尝试改网络,改loss,别的领域trick拿来就是一篇。而我们常常忽略了更为重要的问题,到底这个问题的该如何定义,这点极为重要。对于目标跟踪而言,一般论文
- jupyter notebook中matplotlib无法import的问题
机器视觉-zjuer
1.环境配置介绍和错误原因分析1,Ubuntu16.04,系统中的python版本是python2。2,后来安装了miniconda33,使用miniconda创建了虚拟环境siammask,在这个虚拟环境中安装了python34,condaactivatesiammask之后,进入到siammask,在这个虚拟环境中安装各种包。condaactivatesiammaskpipinstalljup
- 记录分割:分割精度和实时性取得平衡的FEELVOS和SiamMask。
业精于勤荒于嬉-行成于思而毁于随
论文学习
这种视频里目标的像素级标注,很有用,比如给视频叠加特效可以不覆盖目标人物,或者视频编辑中扣掉特定目标。比如让某能让人谈坐牢恋爱的某吴姓大叔从节目中消失就轻松多了。心疼扣了三天三夜的工作人员。FastOnlineObjectTrackingandSegmentation:AUnifyingApproach【论文地址。】【Github项目地址。】以往大多数目标跟踪得到的结果是目标的包围框,而作者希望将
- Siammask代码阅读笔记(三)
机器视觉-zjuer
阅读$SiamMask/tools/test.py1.流程图$SiamMask/tools/test.pymainparser.parse_argssetupmodelsetupdatasetforeachvideo:track_votlogger.infosiamese_initsiamese_trackvot_overlapfin.writeTrackerConfiggenerate_anch
- SiamMask: 快速在线目标跟踪与分割的统一方法
Change_ZH
深度学习
目录论文下载地址代码下载地址论文作者模型讲解[模型结构][模型创新][损失函数][训练过程][结果分析]传送门论文下载地址 SiamMask论文地址 SiamMask论文百度网盘下载地址❗提取码:jcr4❗ SiamMask论文翻译(水印)百度网盘下载地址❗提取码:2jvq❗ SiamMask论文翻译(无水印PDF+Word)下载地址代码下载地址 [GitHub] [百度网盘]❗提取码
- 单目标跟踪SiamMask:特定目标车辆追踪 part1
あずにゃん
人工智能
日萌社人工智能AI:KerasPyTorchMXNetTensorFlowPaddlePaddle深度学习实战(不定时更新)CNN:RCNN、SPPNet、FastRCNN、FasterRCNN、YOLOV1V2V3、SSD、FCN、SegNet、U-Net、DeepLabV1V2V3、MaskRCNN单目标跟踪SiamMask:特定目标车辆追踪part1单目标跟踪SiamMask:特定目标车辆追
- 计算机视觉各领域前沿算法积累
技术挖掘者
目录一、目标检测1、SSD2、PaddleDetection3、mmdetection4、mediapipe二、单目标跟踪1、pytracking2、pysot3、SiamMask4、siammask_e5、AlphaVideo6、Deep-Learning-for-Tracking-and-Detection三、人像检索1、faiss2、HNSW四、语义分割1、paddleSeg五、文本检测与识
- 来吹一波siamMask(神经网络Mask追踪,Ubuntu+Conda+PyTorch)
朱铭德
深度学习Python
最近写了个手持物体追踪的专利,深刻感受到mask轮廓在追踪中起到的作用,无巧不巧,CVPR2019出了一篇融合分割功能的追踪框架的文章,并且开源了代码,所以跑了一下代码,觉得又一标注利器到手,2333先来看看效果(可以对比之前GoTurn的文章,完全吊打)dlib追踪测试(这个倒还简单)实测GTX106033fps...行人追踪效果(虽然丢了不少,但请去看看GoTurn的效果)==========
- SiamMask附加:miniconada文件&更便捷的运行摄像头读取的文件
显著性检测-Archerzjc,
SiamMask
目录问题一:激活创建python虚拟环境(PS:我电脑上装了anaconda运行SSD+sort,我另外安装了miniconda来运行siammask)问题二:在.bashrc文件中添加使用miniconda的路径(PS:我电脑上装了anaconda运行SSD+sort,我另外安装了miniconda来运行siammask)知识点一:source~/.bashrc来激活bashrc知识点二:chm
- SiamMask详解:
显著性检测-Archerzjc,
SiamMask
背景介绍:这篇文章发表于CVPR2019,论文全称:FastOnlineObjectTrackingandSegmentation:AUnifyingApproach代码连接:https://github.com/foolwood/SiamMaskCSDN博客代码详细解读:https://blog.csdn.net/yiran103/article/details/89243344论文链接:CVP
- 戴尔笔记本win8系统改装win7系统
sophia天雪
win7戴尔改装系统win8
戴尔win8 系统改装win7 系统详述
第一步:使用U盘制作虚拟光驱:
1)下载安装UltraISO:注册码可以在网上搜索。
2)启动UltraISO,点击“文件”—》“打开”按钮,打开已经准备好的ISO镜像文
- BeanUtils.copyProperties使用笔记
bylijinnan
java
BeanUtils.copyProperties VS PropertyUtils.copyProperties
两者最大的区别是:
BeanUtils.copyProperties会进行类型转换,而PropertyUtils.copyProperties不会。
既然进行了类型转换,那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
- MyEclipse中文乱码问题
0624chenhong
MyEclipse
一、设置新建常见文件的默认编码格式,也就是文件保存的格式。
在不对MyEclipse进行设置的时候,默认保存文件的编码,一般跟简体中文操作系统(如windows2000,windowsXP)的编码一致,即GBK。
在简体中文系统下,ANSI 编码代表 GBK编码;在日文操作系统下,ANSI 编码代表 JIS 编码。
Window-->Preferences-->General -
- 发送邮件
不懂事的小屁孩
send email
import org.apache.commons.mail.EmailAttachment;
import org.apache.commons.mail.EmailException;
import org.apache.commons.mail.HtmlEmail;
import org.apache.commons.mail.MultiPartEmail;
- 动画合集
换个号韩国红果果
htmlcss
动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程
1 transition 制作鼠标滑过图片时的放大效果
css
.wrap{
width: 340px;height: 340px;
position: absolute;
top: 30%;
left: 20%;
overflow: hidden;
bor
- 网络最常见的攻击方式竟然是SQL注入
蓝儿唯美
sql注入
NTT研究表明,尽管SQL注入(SQLi)型攻击记录详尽且为人熟知,但目前网络应用程序仍然是SQLi攻击的重灾区。
信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明,目前黑客攻击网络应用程序方式中最流行的,要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析,指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中,SQLi攻击占
- java笔记2
a-john
java
类的封装:
1,java中,对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节(尤其是私有数据)
2,目的:使对象以外的部分不能随意存取对象的内部数据(如属性),从而使软件错误能够局部化,减少差错和排错的难度。
3,简单来说,“隐藏属性、方法或实现细节的过程”称为——封装。
4,封装的特性:
4.1设置
- [Andengine]Error:can't creat bitmap form path “gfx/xxx.xxx”
aijuans
学习Android遇到的错误
最开始遇到这个错误是很早以前了,以前也没注意,只当是一个不理解的bug,因为所有的texture,textureregion都没有问题,但是就是提示错误。
昨天和美工要图片,本来是要背景透明的png格式,可是她却给了我一个jpg的。说明了之后她说没法改,因为没有png这个保存选项。
我就看了一下,和她要了psd的文件,还好我有一点
- 自己写的一个繁体到简体的转换程序
asialee
java转换繁体filter简体
今天调研一个任务,基于java的filter实现繁体到简体的转换,于是写了一个demo,给各位博友奉上,欢迎批评指正。
实现的思路是重载request的调取参数的几个方法,然后做下转换。
- android意图和意图监听器技术
百合不是茶
android显示意图隐式意图意图监听器
Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递
显式意图:调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图,显式意图明确指定了Intent应该传递给哪个组件。
隐式意图;不指明调用的名称,根据设
- spring3中新增的@value注解
bijian1013
javaspring@Value
在spring 3.0中,可以通过使用@value,对一些如xxx.properties文件中的文件,进行键值对的注入,例子如下:
1.首先在applicationContext.xml中加入:
<beans xmlns="http://www.springframework.
- Jboss启用CXF日志
sunjing
logjbossCXF
1. 在standalone.xml配置文件中添加system-properties:
<system-properties> <property name="org.apache.cxf.logging.enabled" value=&
- 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码
bit1129
centos
编译必需的软件
Firebugs3.0.0
Maven3.2.3
Ant
JDK1.7.0_67
protobuf-2.5.0
Hadoop 2.5.2源码包
Firebugs3.0.0
http://sourceforge.jp/projects/sfnet_findbug
- struts2验证框架的使用和扩展
白糖_
框架xmlbeanstruts正则表达式
struts2能够对前台提交的表单数据进行输入有效性校验,通常有两种方式:
1、在Action类中通过validatexx方法验证,这种方式很简单,在此不再赘述;
2、通过编写xx-validation.xml文件执行表单验证,当用户提交表单请求后,struts会优先执行xml文件,如果校验不通过是不会让请求访问指定action的。
本文介绍一下struts2通过xml文件进行校验的方法并说
- 记录-感悟
braveCS
感悟
再翻翻以前写的感悟,有时会发现自己很幼稚,也会让自己找回初心。
2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了;
2. 要改变自己,不能这样一直在原来区域,要突破安全区舒适区,才能提高自己,往好的方面发展;
3. 多反省多思考;要会用工具,而不是变成工具的奴隶;
4. 一天内集中一个定长时间段看最新资讯和偏流式博
- 编程之美-数组中最长递增子序列
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class LongestAccendingSubSequence {
/**
* 编程之美 数组中最长递增子序列
* 书上的解法容易理解
* 另一方法书上没有提到的是,可以将数组排序(由小到大)得到新的数组,
* 然后求排序后的数组与原数
- 读书笔记5
chengxuyuancsdn
重复提交struts2的token验证
1、重复提交
2、struts2的token验证
3、用response返回xml时的注意
1、重复提交
(1)应用场景
(1-1)点击提交按钮两次。
(1-2)使用浏览器后退按钮重复之前的操作,导致重复提交表单。
(1-3)刷新页面
(1-4)使用浏览器历史记录重复提交表单。
(1-5)浏览器重复的 HTTP 请求。
(2)解决方法
(2-1)禁掉提交按钮
(2-2)
- [时空与探索]全球联合进行第二次费城实验的可能性
comsci
二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验
至今给我们大家留下很多迷团.....
关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了
在这里,我的意思是,现在
- easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符
daizj
oracleORA-12154
用easy connect连接出现“tns无法解析指定的连接标示符”的错误,如下:
C:\Users\Administrator>sqlplus username/
[email protected]:1521/orcl
SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012
Copyright (c) 198
- 简单排序:归并排序
dieslrae
归并排序
public void mergeSort(int[] array){
int temp = array.length/2;
if(temp == 0){
return;
}
int[] a = new int[temp];
int
- C语言中字符串的\0和空格
dcj3sjt126com
c
\0 为字符串结束符,比如说:
abcd (空格)cdefg;
存入数组时,空格作为一个字符占有一个字节的空间,我们
- 解决Composer国内速度慢的办法
dcj3sjt126com
Composer
用法:
有两种方式启用本镜像服务:
1 将以下配置信息添加到 Composer 的配置文件 config.json 中(系统全局配置)。见“例1”
2 将以下配置信息添加到你的项目的 composer.json 文件中(针对单个项目配置)。见“例2”
为了避免安装包的时候都要执行两次查询,切记要添加禁用 packagist 的设置,如下 1 2 3 4 5
- 高效可伸缩的结果缓存
shuizhaosi888
高效可伸缩的结果缓存
/**
* 要执行的算法,返回结果v
*/
public interface Computable<A, V> {
public V comput(final A arg);
}
/**
* 用于缓存数据
*/
public class Memoizer<A, V> implements Computable<A,
- 三点定位的算法
haoningabc
c算法
三点定位,
已知a,b,c三个顶点的x,y坐标
和三个点都z坐标的距离,la,lb,lc
求z点的坐标
原理就是围绕a,b,c 三个点画圆,三个圆焦点的部分就是所求
但是,由于三个点的距离可能不准,不一定会有结果,
所以是三个圆环的焦点,环的宽度开始为0,没有取到则加1
运行
gcc -lm test.c
test.c代码如下
#include "stdi
- epoll使用详解
jimmee
clinux服务端编程epoll
epoll - I/O event notification facility在linux的网络编程中,很长的时间都在使用select来做事件触发。在linux新的内核中,有了一种替换它的机制,就是epoll。相比于select,epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中,它是采用轮询来处理的,轮询的fd数目越多,自然耗时越多。并且,在linu
- Hibernate对Enum的映射的基本使用方法
linzx0212
enumHibernate
枚举
/**
* 性别枚举
*/
public enum Gender {
MALE(0), FEMALE(1), OTHER(2);
private Gender(int i) {
this.i = i;
}
private int i;
public int getI
- 第10章 高级事件(下)
onestopweb
事件
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- 孙子兵法
roadrunners
孙子兵法
始计第一
孙子曰:
兵者,国之大事,死生之地,存亡之道,不可不察也。
故经之以五事,校之以计,而索其情:一曰道,二曰天,三曰地,四曰将,五
曰法。道者,令民于上同意,可与之死,可与之生,而不危也;天者,阴阳、寒暑
、时制也;地者,远近、险易、广狭、死生也;将者,智、信、仁、勇、严也;法
者,曲制、官道、主用也。凡此五者,将莫不闻,知之者胜,不知之者不胜。故校
之以计,而索其情,曰
- MySQL双向复制
tomcat_oracle
mysql
本文包括:
主机配置
从机配置
建立主-从复制
建立双向复制
背景
按照以下简单的步骤:
参考一下:
在机器A配置主机(192.168.1.30)
在机器B配置从机(192.168.1.29)
我们可以使用下面的步骤来实现这一点
步骤1:机器A设置主机
在主机中打开配置文件 ,
- zoj 3822 Domination(dp)
阿尔萨斯
Mina
题目链接:zoj 3822 Domination
题目大意:给定一个N∗M的棋盘,每次任选一个位置放置一枚棋子,直到每行每列上都至少有一枚棋子,问放置棋子个数的期望。
解题思路:大白书上概率那一张有一道类似的题目,但是因为时间比较久了,还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子,并且消耗k步的概率(k≤i∗j),因为放置在i+1~n上等价与放在i+1行上,同理