- 论文-A Stack-Propagation Framework with Token-Level Intent Detection for Spoken Language Understanding
魏鹏飞
1.简称论文《AStack-PropagationFrameworkwithToken-LevelIntentDetectionforSpokenLanguageUnderstanding》,作者LiboQin(HarbinInstituteofTechnology,China),经典的NLU论文(SemanticFrame)。2.摘要意图检测和槽位填充是构建口语理解(SLU)系统的两个主要任务。
- 网络安全要点总结
大嘴巴子
计算机网络web安全安全
1.入侵检测与防御:1)入侵检测与系统IDS(intrusiondetectionsystem):防火墙之后的第二道闸门;IDS的部署:采用镜像端口或者集线器方式;部署在:服务器交换机上,internet接入路由器后面的第一台交换机上;IRSintrusionresponsesystem入侵响应系统:2).IPS(intrusionpreventionsystem):入侵防御系统;检测并中断;检测
- 论文阅读笔记(十九):YOLO9000: Better, Faster, Stronger
__Sunshine__
笔记YOLO9000detectionclassification
WeintroduceYOLO9000,astate-of-the-art,real-timeobjectdetectionsystemthatcandetectover9000objectcategories.FirstweproposevariousimprovementstotheYOLOdetectionmethod,bothnovelanddrawnfrompriorwork.Theim
- 在COD领域,图像中提取的高频和低频信息分别代表什么?
Wils0nEdwards
计算机视觉人工智能
在CamouflagedObjectDetection(COD)领域中,图像中的高频和低频信息在特征提取和物体检测中有着不同的含义和作用。COD的本质是解决目标在视觉上与背景高度相似的问题,因此合理利用图像的频率信息(高频和低频)有助于提高检测效果。高频信息高频信息指的是图像中变化迅速的部分,通常包括细节、边缘和纹理等特征。在COD中:高频信息代表图像中的边缘、细节和纹理特征。这些特征对于分割伪装
- 深度学习目标检测入门COCO数据集
日暮途远z
深度学习目标检测人工智能
常见数据集类型:COCO数据集:Pytorch加载COCO数据集:COCO数据集的读取COCO_dataset=torchvision.datasets.CocoDetection(root="./dataset/val2017",annFile="./instances_val2017/instances_val2017.json")root(strorpathlib.Path)–Rootdir
- Transformer+目标检测,这一篇入门就够了
BIT可达鸭
▶深度学习-计算机视觉transformer深度学习目标检测计算机视觉自然语言处理
VisionTransformerforObjectDetection本文作者:Encoder-Decoder简介:Encoder-Decoder的缺陷:Attention机制:Self-Attention机制:Multi-HeadAttention:Transformer结构:图像分类之ViT:图像分类之PyramidViT:目标检测之DETR:目标检测之DeformableDETR:本文作者:
- DEFT 开源项目教程
马安柯Lorelei
DEFT开源项目教程DEFTJointdetectionandtrackingmodelnamedDEFT,or``DetectionEmbeddingsforTracking."Ourapproachreliesonanappearance-basedobjectmatchingnetworkjointly-learnedwithanunderlyingobjectdetectionnetwor
- YOLO缺陷检测学习笔记(2)
tt555555555555
YOLO缺陷检测学习笔记YOLO学习笔记
YOLO缺陷检测学习笔记(2)残差连接1.**YOLO的残差连接结构**2.**YOLO使用残差连接的目的**3.**YOLO中的残差块**4.**YOLOv3和YOLOv4的残差连接架构**YOLO网络架构概述1.特征提取网络2.预测头(DetectionHead)3.后处理(Post-processing)YOLOv3/v4的改进YOLOv3YOLOv4SoftmaxSoftmax的性质:So
- 如何有效解决Git推送冲突:实用指南
Crazy learner
其他git
目录背景常见错误与解决步骤总结在使用Git进行版本控制时,经常会遇到推送冲突的问题。这种冲突通常发生在团队合作中,当多个成员同时对同一仓库进行更改时尤其常见。在本文中,我将通过一个实际的例子详细解释如何解决推送冲突,确保代码的安全合并。背景在本例中,我们有一个GitLab仓库,名为factory_sound_detection_tool,围绕此仓库,我们会看到如何解决分支合并和推送冲突。常见错误与
- 旋转目标检测:mmrotate仓库中 “主要模型” 及其 “配置文件” 的列表
沉浸式AI
AI与SLAM论文解析旋转目标检测深度学习mmrotate
mmrotate目录:mmrotate仓库中的主要模型和配置BackgroundandMotivation背景与动机MethodsOverview方法概述1.CFACFA:Convex-hullFeatureAdaptationforOrientedandDenselyPackedObjectDetectionCFA:用于定向和密集对象检测的凸包特征适应2.ConvNeXtConvNeXt:ACo
- 深度学习论文精读(7):MTCNN
hwl19951007
计算机视觉论文精读
深度学习论文精读(7):MTCNN论文地址:JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNetworks译文地址:https://zhuanlan.zhihu.com/p/37884254参考博文1:https://zhuanlan.zhihu.com/p/38520597官方地址:https://kpzhan
- 人脸识别算法MTCNN论文解读
纸上得来终觉浅~
图像处理paper阅读人脸识别mtcnn
论文名称:JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNetworks论文地址:https://www.lao-wang.com/wp-content/uploads/2017/07/1604.02878.pdf1、MTCNN原理MTCNN,Multi-taskconvolutionalneuralnetwor
- 入侵检测系统与防火墙_入侵检测系统:它与防火墙有何不同?
cumt30111
网络安全javalinux区块链
入侵检测系统与防火墙Aswehavealreadydiscussedthat"IntrusionDetectionSystems(IDS's)"aredefinedtobeassuchspeciallydesignedsecuritysoftwareusedforthepurposeofdetectingandinformingtheusersandadministratorsabouttheva
- 为量产而设计:自动驾驶车辆激光雷达旋转外参在线标定与异常排除策略
智驾机器人技术前线
高精定位与大规模建图自动驾驶算法机器人
更多精彩内容,请关注公众号:智驾机器人技术前线1.论文信息论文标题:FaultDetectionandExclusionforRobustOnlineCalibrationofVehicletoLiDARRotationParameter作者:JiwonSeok,ChansooKim,PauloResende,BenazouzBradai,andKichunJo作者单位:韩国首尔大学论文链接:ht
- 图像处理 -- 图像清晰度测量方法
sz66cm
图像处理计算机视觉
图像清晰度测量方法拉普拉斯算子(LaplacianOperator)拉普拉斯算子是一种二阶导数算子,用于检测图像的边缘。清晰的图像通常具有更多且更明显的边缘。边缘检测(EdgeDetection)常用的边缘检测算法包括Sobel、Prewitt和Canny边缘检测器。通过计算边缘的数量和强度,可以间接判断图像的清晰度。方差(Variance)方差用于衡量图像灰度值的分布情况。图像中灰度值的方差越大
- Official pytorch implementation of “Mamba-YOLO:SSMs-based for Object Detection”
weixin_42918943
pytorchYOLO目标检测
#pipinstallrequiredpackagescondacreate-nmambayolo-ypython=3.11condaactivatemambayolopip3installtorch===2.3.0torchvisiontorchaudiopipinstallseabornthoptimmeinopscdselective_scan&&pipinstall.&&cd..pipin
- 智能合约漏洞检测论文
weixin_45332030
智能合约
综述TestingEthereumSmartContracts:AComparisonofSymbolicAnalysisandFuzzTestingTools符号执行与模糊测试工具的比较综述DeepLearningBasedVulnerabilityDetection:AreWeThereYet?基于深度学习的漏洞检测研究https://github.com/VulDetProject/ReVe
- 线段检测:Towards Light-weight and Real-time Line Segment Detection Towards Light-weight and Real【方法解读】
智维探境
AI与SLAM论文解析人工智能线段检测论文阅读检测
目录摘要1引言2相关工作深度线段检测实时目标检测3用于线段检测的M-LSD3.1网络架构(a)TP表示法(b)SoL增广总结3.2线段表示详细解析1.线段表示的重要性2.TP表示法3.位移向量4.坐标表示5.训练过程6.非极大值抑制7.简单算术操作总结图5:匹配损失和几何损失图5标题内容解析3.3匹配损失3.3匹配损失解析1.背景和动机2.中心损失和位移损失3.匹配损失的引入4.匹配损失的计算步骤
- 论文阅读瞎记(四) Cascade R-CNN: Delving into High Quality Object Detection 2017
码大哥
深度学习人工智能
概述在物体检测中1,IOU阈值被用于判定正负样本。在低IOU阈值比如0.5的状态下训练模型经常产生噪音预测,然而检测效果会随着IOU增加而降低。两个主要因素:1.训练时的过拟合,正样本指数消失2.检测器最优IOU与输入假设的不匹配。一个单阶段的物体检测器CascadeR-CNN被提出用于解决这些问题。网络由一个检测序列组成,这些序列训练时会伴随IOU增长从而对FP样本更加有选择性地判别。检测器一个
- 目标检测:Cascade R-CNN: Delving into High Quality Object Detection - 2017【方法解读】
智维探境
AI与SLAM论文解析目标检测cnnCascadeR-CNN
查看新版本论文:目标检测:CascadeR-CNN:HighQualityObjectDetectionandInstanceSegmentation-2019【方法解读】目录摘要:1.引言2.相关工作3.对象检测3.1.边界框回归3.2.分类3.3.检测质量4.级联R-CNN4.1.级联边界框回归4.2.级联检测摘要:在目标检测中,需要一个交并比(IoU)阈值来定义正样本和负样本。使用低IoU阈
- PaddleDetection多目标跟踪报错MCMOTEvaluator is not exist, so the MOTA will be -INF
ATM006
目标检测
ppdet.metrics.mcmot_metricsWARNING:gt_filename'{}'ofMCMOTEvaluatorisnotexist,sotheMOTAwillbe-INFPaddleDetection/ppdet/metrics/mcmot_metrics.pyclassMCMOTEvaluator(object):def__init__(self,data_root,seq
- MS COCO数据集目标检测评估(Detection Evaluation)
Ambition_LAO
人工智能计算机视觉
MSCOCO(MicrosoftCommonObjectsinContext)是一个广泛应用于计算机视觉领域的数据集和评估平台,尤其是在目标检测、分割和人体关键点检测等任务中。COCO数据集和其评估方法被广泛用于学术研究和工业应用。以下是对MSCOCO数据集目标检测评估、人体关键点评估、输出数据的结果格式以及如何参加比赛的详细阐述和总结。1.MSCOCO数据集目标检测评估(DetectionEva
- 新手常见错误:Compressor detection can only be called on some xcontent bytes or compressed xcontent bytes
Blue的成长日记
运维javaspringboot
目录报错信息分析:1.检查数据源:2.使用正确的编码:3.检查压缩状态:4.使用正确的API方法:5.查看示例代码:6.调试和日志:7.更新Elasticsearch客户端库:结语:报错信息org.elasticsearch.common.compress.NotXContentException:Compressordetectioncanonlybecalledonsomexcontentby
- 进程服务监测与自愈
liao__ran
python运维python运维
#!/usr/bin/python3#encoding:utf-8#filename:service-detection-repair.py#author:gaohaixiang#writetime:202403041043"""#定时任务监测示例*/5****python3/data/processlog/service-detection-repair.pysystemctlCheckngin
- LaneNet 车道线检测项目教程
邬稳研Beneficient
LaneNet车道线检测项目教程lanenet-lane-detection-pytorch项目地址:https://gitcode.com/gh_mirrors/la/lanenet-lane-detection-pytorch项目介绍LaneNet是一个基于PyTorch的实时车道线检测模型,主要基于IEEEIV会议论文"TowardsEnd-to-EndLaneDetection:anIns
- AI推介-大语言模型LLMs论文速览(arXiv方向):2024.03.20-2024.03.25
小小帅AIGC
LLMs论文时报人工智能语言模型自然语言处理LLM大语言模型论文推送深度学习
文章目录~1.IterativeRefinementofProject-LevelCodeContextforPreciseCodeGenerationwithCompilerFeedback2.TrustAIatSemEval-2024Task8:AComprehensiveAnalysisofMulti-domainMachineGeneratedTextDetectionTechniques
- 开始使用入侵检测系统(IDS)Bro:安装(2/4)
Threathunter
来源:https://dallinwarne.com/networking/getting-started-with-intrusion-detection-system-ids-bro-part-2/这是关于如何开始使用BroIDS的四部分系列文章的第二部分。请参阅第1部分关于安装Bro先决条件的内容。这篇文章是关于安装和准备Bro。一、Bro编译与安装既然满足了先决条件,现在就可以编译和安装B
- 高质量 Git 仓库汇总(持续更新,方便查看)
Nice_cool.
学习
Leetcodehttps://github.com/kamyu104/LeetCode-SolutionsCmakehttps://github.com/viva64/pvs-studio-cmake-examples3D目标检测Awesome-3D-Object-DetectionAwesome-3D-Object-Detection-for-Autonomous-DrivingCudaCod
- MMDetection3D v1.4.0安装教程
Ly.Leo
激光雷达神经网络点云3d激光雷达目标检测
安装MMDetection3Dv1.4.01.系统环境2.安装2.1基本环境安装2.2调整具体版本2.3验证2.3安装MinkowskiEngine和TorchSparse3.最终环境配置5.附加库根据v1.4.0版本官方手册测试后的安装配置,亲测可行。1.系统环境项目版本日期Ubuntu18.04.06LTS-显卡RTX2070-显卡驱动525.105.17-2.安装MMDetection3D的
- C# Onnx GroundingDINO 开放世界目标检测
乱蜂朝王
人工智能c#目标检测开发语言
目录介绍效果模型信息项目代码下载介绍地址:https://github.com/IDEA-Research/GroundingDINOOfficialimplementationofthepaper"GroundingDINO:MarryingDINOwithGroundedPre-TrainingforOpen-SetObjectDetection"效果在运行程序时,要注意输入的提示词的格式,类
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f