- YOLO11改进-模块-引入多尺度差异融合模块MDFM
一勺汤
YOLOv11模型改进系列深度学习人工智能YOLOYOLOv11目标检测模块改进
遥感变化检测(RSCD)专注于识别在不同时间获取的两幅遥感图像之间发生变化的区域。近年来,卷积神经网络(CNN)在具有挑战性的RSCD任务中展现出了良好的效果。然而,这些方法未能有效地融合双时相特征,也未提取出对后续RSCD任务有益的有用信息。此外,它们在特征聚合中没有考虑多层次特征交互,并且忽略了差异特征与双时相特征之间的关系,从而影响了RSCD的结果。为解决上述问题,本文通过孪生卷积网络提取不
- 哨兵2号遥感影像解析全流程:步骤、算法与AI应用详解
zhz5214
AIGIS人工智能遥感aisentinel智能体
遥感影像解析是农业监测、环境评估等领域的重要技术手段。哨兵2号(Sentinel-2)凭借其高分辨率多光谱数据,成为遥感分析的热门数据源。本文将系统梳理哨兵2号影像解析的核心步骤、适用算法与软件工具,并探讨AI技术在该领域的创新应用。一、哨兵2号影像解析核心步骤1.数据获取与预处理数据下载哨兵2号数据可通过官方平台[CopernicusOpenAccessHub](https://scihub.c
- GEE数据集——Harmonized Landsat Sentinel-2 (HLS) 卫星sentinel-2哨兵-2(HLS)
此星光明
GEE数据集专栏sentinel遥感影像gee数据集nasaHLS-2
简介统一大地遥感卫星哨兵-2(HLS)项目通过虚拟卫星传感器群提供一致的地表反射率(SR)和大气层顶部亮度(TOA)数据。陆地成像仪(OLI)安装在美国宇航局/美国地质调查局的联合陆地卫星8号和陆地卫星9号上,而多光谱仪(MSI)则安装在欧洲的哥白尼哨兵-2A号和哨兵-2B号卫星上。通过综合测量,可以每2到3天以30米的空间分辨率对陆地进行全球观测。HLS项目使用一套算法来获得OLI和MSI的无缝
- Google Earth Engine——导入无云 Sentinel-2 图像和NDVI计算
此星光明
GEE教程训练sentinel人工智能geendvi归一化植被指数波段运算遥感
目录搜索和导入无云Sentinel-2图像Sentinel-2的背景打开GEE界面定义您感兴趣的领域查询Sentinel-2图像的存档过滤图像集合将图像添加到地图视图定义真彩色可视化参数探索影像定义假色可视化参数从波段组合中导出指数NDVI锻炼本实验的目的是介绍GoogleEarthEngine处理环境。在本练习结束时,您将能够搜索、查找和可视化范围广泛的遥感数据集。在第一个练习中,我们将重点关注
- 【图像去雾】基于多尺度Retinex实现图像去雾附Matlab代码
Matlab科研辅导帮
图像处理matlab开发语言
✅作者简介:热爱数据处理、建模、算法设计的Matlab仿真开发者。更多Matlab代码及仿真咨询内容点击:Matlab科研工作室个人信条:格物致知。内容介绍1.引言雾霾天气严重影响了人们的生活和工作,对图像的清晰度也造成了极大的破坏。图像去雾技术旨在消除图像中的雾霾,恢复图像的真实色彩和细节,在交通监控、遥感成像、医学影像等领域具有广泛的应用价值。近年来,基于Retinex理论的图像去雾方法取得了
- 计算机视觉算法实战——图像配准(主页有源码)
喵了个AI
计算机视觉实战项目计算机视觉
✨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.领域简介图像配准(ImageRegistration)是计算机视觉中的一个重要研究方向,旨在将两幅或多幅图像在空间上对齐。这些图像可能来自不同的传感器、不同的时间或不同的视角。图像配准在医学影像、遥感、自动驾驶、机器人导航等领域有着广泛的应用。其核心目标是通过几何变换(如平移、旋转
- VLRMBench :一个涵盖数学推理、幻觉理解、多图像理解等多种任务的视觉-语言奖励模型基准测试数据集
数据集
2025-03-10,由上海交通大学和小红书公司联合创建了VLRMBench数据集。是一个专门用于评估视觉-语言奖励模型的综合性基准测试,包含12,634个问题,覆盖数学推理、幻觉理解和多图像理解三大领域。为视觉-语言奖励模型的全面评估提供了新的标准,推动了该领域的发展。一、研究背景近年来,随着大语言模型和大视觉-语言模型的快速发展,它们在多模态任务中取得了显著进展,广泛应用于医学影像、遥感、自动
- 常用图像增强算法原理及 OpenCV C++ 实现
埃菲尔铁塔_CV算法
opencv计算机视觉人工智能c++算法机器学习
一、引言图像增强是数字图像处理中的一个重要分支,其目的是改善图像的视觉效果,突出图像中的重要信息,或者将图像转换为更适合人或机器分析处理的形式。在实际应用中,图像增强技术广泛应用于医学影像、遥感图像、安防监控等领域。本文将详细介绍常用的图像增强算法原理,并给出基于OpenCVC++库的实现代码。二、图像增强算法分类图像增强算法可以分为空间域增强和频域增强两大类。空间域增强是直接对图像的像素值进行操
- 【人工智能】农业工程与信息技术文献推荐
lisw05
人工智能农业信息技术机器人
李升伟整理1.农业物联网与智能化管理《农业物联网导论》作者:李道亮内容简介:本书系统介绍了农业物联网的基本概念、技术架构及其在农业生产中的应用,包括传感器网络、远程监控、智能决策支持系统等。《农业信息智能获取技术》作者:岳峻、傅泽田、高文内容简介:重点探讨了如何利用信息技术获取农业数据,包括遥感技术、无人机监测和传感器网络的应用。2.农业大数据与决策支持《农业大数据:理论与实践》作者:梅方权内容简
- 智能遥感新质生产力:ChatGPT、Python和OpenCV强强联合;空天地遥感数据分析的全流程;地面数据、无人机数据、卫星数据、多源数据等处理
小艳加油
DeepSeekChatGPT遥感遥感新质生产力ChatGPTOpenCV遥感数据处理
通过系统化的模块设计和丰富的实战案例,深入理解和掌握遥感数据的处理与计算。不仅涵盖了从零基础入门Python编程、OpenCV视觉处理的基础知识,还将借助ChatGPT智能支持,引导您掌握遥感影像识别和分析的进阶技术。更为重要的是,通过15个经过精心设计的真实案例,深度参与地质监测、城市规划、农业分析、生态评估等不同场景下的遥感应用实践。层层递进、结构严谨,帮助您系统性掌握从数据预处理、图像增强、
- 【考研说】2025年研考上岸复试指南(地理学/测绘/遥感等)
小火苗GIS
考研
2024年4月,小火开设新的专题“考研说”,力求通过平台来尽可能帮助伙伴们去了解一些考研上岸的方法和经验;转眼间,又到了出分之后的复试阶段,这个阶段也至关重要。因为有的专业初试复试占比7:3,6:4,甚至5:5。面对复试这一部分,很多小伙伴会感到迷茫无措焦虑,主要包括以下方面。(1)不了解所报学校复试的专业课方面侧重点是哪些;(2)需要准备哪些方面的复试技巧,更加从容展现;(3)要不要考虑提前联系
- 矢量化的步骤
create_right
GIS
1、扫描地图矢量化是把栅格数据转换成矢量数据的处理过程。扫描是纸质地图矢量化的第一步,它将纸质地图转化为计算机可以识别的数字形式。2、图像预处理图像预处理主要是消除图像中无关的信息,恢复有用的真实信息。图像预处理一般包括去噪声、几何纠正、投影变换等。1、几何校正由于地图受介质或存放条件等因素的影响,地图的纸张容易发生变形,或者遥感影像本身就存在着几何变形。几何校正最常用的方法是仿射变换法。2、投影
- 顶配版SAM:由分割一切迈向感知一切
猛码Memmat
prompt人工智能计算机视觉语义分割prompt
文章目录0.前言1.论文地址1.1项目&代码1.2模型地址1.3Demo2.模型介绍2.1亮点2.2方法3.量化结果、可视化展示Reference0.前言现有的视觉分割基础模型,如SAM及其变体,集中优势在形状、边缘等初级定位感知,或依赖外部模型完成更高级的语义理解任务。然而,迈向更高效的视觉感知则需要在单个模型中实现全面的视觉理解,以助力于更广泛的应用场景,如自动驾驶、安防监控、遥感以及医学图像
- 文章精读篇——用于遥感小样本语义分割的可学习Prompt
LiXiang like coding吗
学习prompt人工智能
题目:LearnablePromptforFew-ShotSemanticSegmentationinRemoteSensingDomain会议:CVPR2024Workshop论文:10.48550/arXiv.2404.10307相关竞赛:https://codalab.lisn.upsaclay.fr/competitions/17568年份:2024任务背景小样本语义分割(Few-shot
- UNet:UNet在自然环境监测中的应用案例_2024-07-24_09-14-11.Tex
chenjj4003
游戏开发2深度学习计算机视觉人工智能性能优化游戏前端javascript
UNet:UNet在自然环境监测中的应用案例UNet模型概述UNet是一种广泛应用于图像分割任务的卷积神经网络模型,由OlafRonneberger、PhilippFischer和ThomasBrox在2015年提出。其设计初衷是为了在生物医学图像分析中进行细胞和组织的精确分割,但因其高效性和准确性,迅速在自然环境监测、遥感图像分析、卫星图像处理等领域找到了应用。架构原理UNet模型采用了一个编码
- 京区航天研究所 哪些比较好的研究所?
ctrigger
职场和发展
第一梯队:一院一部、战术武器部、10所、12所、研发部、空天部,五院501所(总体设计部)、502所、通导部、遥感部、钱室(所人均年薪35w-50w级别)第二梯队:一院14所、15所,二院未来实验室、二部、23所,三院三部、301所、水下总体部,四院四部、17所,五院总环部,九院772所,航天科技创新院(所人均年薪30w-45w级别)第三梯队:二院25所(2.5梯队)、706所、206所、空间公司
- 《深度揭秘:生成对抗网络如何重塑遥感图像分析精度》
程序猿阿伟
生成对抗网络人工智能机器学习
在当今数字化时代,遥感图像作为获取地球表面信息的重要数据源,广泛应用于城市规划、农业监测、环境评估等诸多领域。然而,如何从海量的遥感数据中提取高精度的信息,一直是学术界和工业界共同面临的挑战。生成对抗网络(GAN)的出现,为提升人工智能在遥感图像分析中的精度开辟了全新的路径。生成对抗网络:技术基石剖析生成对抗网络由生成器(Generator)和判别器(Discriminator)组成,二者通过对抗
- 《深度揭秘:生成对抗网络如何重塑遥感图像分析精度》
人工智能深度学习
在当今数字化时代,遥感图像作为获取地球表面信息的重要数据源,广泛应用于城市规划、农业监测、环境评估等诸多领域。然而,如何从海量的遥感数据中提取高精度的信息,一直是学术界和工业界共同面临的挑战。生成对抗网络(GAN)的出现,为提升人工智能在遥感图像分析中的精度开辟了全新的路径。生成对抗网络:技术基石剖析生成对抗网络由生成器(Generator)和判别器(Discriminator)组成,二者通过对抗
- python:使用gdal和numpy进行遥感时间序列最大值合成
_养乐多_
python处理遥感数据pythonnumpy开发语言
作者:CSDN@_养乐多_本文将介绍使用python编程语言,进行遥感数据时间序列最大值合成的代码。代码中使用了numpy和gdal,通过numpy广播机制实现时间序列最大值合成,并以NDVI时间序列数据为例。代码方便易运行,逻辑简单,速度快。只需要输入单波段遥感数据,就可输出最大值合成影像。输入输出如下图所示,文章目录一、完整代码一、完整代码importosimportglobimportnum
- SPIE出版|2025年遥感与信息技术学术会议(RSIT2025)
Conf2022
云计算信息与通信
会议时间:2025年5月16-18日会议地址:中国·武汉会议官网:icrsit.com会议简介2025年遥感与信息技术国际会议(RSIT2025)将于2025年5月16日至18日在中国武汉举行。RSIT2025旨在汇聚领先的研究人员、工程师和行业专家,共同探讨遥感技术及其与尖端信息技术的融合最新进展。遥感技术是通过间接方式获取地球表面信息的科学,自诞生以来已经取得了显著的发展。利用卫星影像、雷达和
- 基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用
xiao5kou4chang6kai4
深度学习遥感勘测python深度学习分类
专题一:深度学习发展与机器学习深度学习的历史发展过程机器学习,深度学习等任务的基本处理流程梯度下降算法讲解不同初始化,学习率对梯度下降算法的实例分析从机器学习到深度学习算法专题二深度卷积网络、卷积神经网络、卷积运算的基本原理池化操作,全连接层,以及分类器的作用BP反向传播算法的理解一个简单CNN模型代码理解特征图,卷积核可视化分析专题三TensorFlow与keras介绍与入门TensorFlow
- 探索TotalSegmentator:一款强大的全场景图像分割工具
计蕴斯Lowell
探索TotalSegmentator:一款强大的全场景图像分割工具项目地址:https://gitcode.com/gh_mirrors/to/TotalSegmentator项目简介是一个开源的、基于深度学习的全场景图像分割框架。它由开发者Wasserth创建,旨在为医学影像分析、自动驾驶、遥感图像处理等多个领域提供高效且准确的像素级分类能力。该项目的亮点在于其模型的通用性和易用性,能够处理多种
- 遥感影像目标检测:从CNN(Faster-RCNN)到Transformer(DETR)
岁月如歌,青春不败
生态遥感目标检测cnntransformer遥感遥感影像
我国高分辨率对地观测系统重大专项已全面启动,高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成,将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB,遥感大数据时代已然来临。一:深度卷积网络知识1.深度学习在遥感图像识别中的范式和问题2.深度学习的历史发展历程3.机器学习,深度学习等任务的基本处理流程4.卷积神经网络的基本原理5
- 近地面无人机植被定量遥感与生理参数反演
岁月如歌,青春不败
生态遥感无人机遥感植被遥感生态科学生态模型植被科学农林
一:近十年近地面无人机植被遥感文献分析,传感器选择,观测方式及质量控制要点1.1.近十余年无人机植被遥感文献分析文献分析软件VOSviewer的使用无人机植被遥感的重点研究方向、研究机构、科学家家1.2.无人机遥感的特点及与卫星遥感的差异核心优势与四大基本特点无人机与卫星遥感影像的成像方式差异异1.3.无人机传感器类型、特点及选择消费级RGB相机的简要成像几何与光谱特点多光谱相机成像类型与核心问题
- 无人机遥感技术:从植被监测到生理参数反演的进阶之路
KY_chenzhao
无人机植被遥感参数反演
在当今的生态学和农林业研究中,无人机遥感技术已经成为获取植被信息的重要手段。它不仅能够快速覆盖大面积区域,还能提供高分辨率的多光谱和高光谱数据,为植被健康监测、生长状况评估和生理参数反演提供了强大的技术支持。今天,我们就来深入了解一下无人机遥感技术在植被定量监测中的应用。一、无人机遥感:为何备受青睐?无人机遥感技术结合了无人机的灵活性和遥感传感器的高精度,能够快速获取植被的多维度信息。与传统的卫星
- 一文读懂遥感技术在农险服务全流程的应用与价值
珈和info
遥感
农业保险作为分散农业风险、提高农业生产积极性、保障农民收入稳定的重要金融政策工具,其效能直接关系到农业生产的稳定与农村经济的繁荣。然而,传统农业保险业务在信息获取、风险评估等方面的局限性日益凸显。转型之际,科技手段应如何精准地介入到农险业务的发展中来?承保、理赔、风险评估等关键业务环节能否实现从重经验到重数据的转变?已实现商业化应用的遥感技术是否能突破局限,在成本、精度、算法等维度更贴合农险业务的
- 【案例教程】无人机遥感图像拼接及处理
weixin_贾
GIS无人机遥感无人机图像拼接多光谱Photoscan软件
无人机遥感图像采集流程:无人机遥感监测介绍无人机航线规划设计无人机飞行软件操作无人机航拍一般过程无人机遥感图像拼接软件操作:Photoscan软件介绍软件基本操作与实践遥感图像拼接的一般流程遥感图像分组拼接与点云分类无人机遥感图像拼接典型案例:基于无人机航拍的单体三维建模案例基于普通相机拍摄的单体三维建模案例基于无人机航拍的正射影像制图案例利用批处理实现无人机航拍制图案例利用地面控制点提高制图精度
- 遥感影像建筑物提取
V搜xhliang0246
人工智能计算机视觉深度学习python开发语言
遥感影像建筑物提取是一项重要的地理信息处理任务,它在城市规划、环境监测、人口估算和土地覆盖制图等领域具有广泛的应用价值。以下是对遥感影像建筑物提取的详细解析:一、数据采集数据采集是建筑物提取的基础步骤。应选择具有高空间分辨率和多光谱信息的遥感影像,以确保提取的准确性。常用的遥感影像数据包括航空影像和卫星影像:航空影像:拍摄于飞机上,具有较高的空间分辨率,适用于小区域的建筑物提取。卫星影像:拍摄于卫
- 【语义分割专题文章】
BoostingIsm
Segmentationpython
本栏聚焦在语义分割的相关算法,专栏内文章的代码均已实现。一、数据篇【遥感】【道路】篇:【语义分割】【专题系列】一、MassachusettsRoadsDataset马萨诸塞州道路数据集获取二、CNN篇Unet(2015):【语义分割】【专题系列】二、Unet语义分割代码实战PSPNet(2017):【语义分割】【专题系列】三、PSPNet语义分割代码实战Linknet(2017)FPN(Featu
- 无人机遥感在农林信息提取中的实现方法与GIS融合制图教程
岁月如歌,青春不败
生态遥感无人机农业科学林业科学GIS制图遥感生态学
遥感技术作为一种空间大数据手段,能够从多时、多维、多地等角度,获取大量的农情数据。数据具有面状、实时、非接触、无伤检测等显著优势,是智慧农业必须采用的重要技术之一。一:综合态势分析1.1研究区及作物品种分析(1)形态指标分析(2)生理生化指标分析(3)胁迫指标分析(4)产量指标分析(5)综合分析1.2无人机平台分析:析目前常用于农林行业的无人机平台。1.3无人机机载传感器分析:析目前常用于农林行业
- Spring4.1新特性——Spring MVC增强
jinnianshilongnian
spring 4.1
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
- mysql 性能查询优化
annan211
javasql优化mysql应用服务器
1 时间到底花在哪了?
mysql在执行查询的时候需要执行一系列的子任务,这些子任务包含了整个查询周期最重要的阶段,这其中包含了大量为了
检索数据列到存储引擎的调用以及调用后的数据处理,包括排序、分组等。在完成这些任务的时候,查询需要在不同的地方
花费时间,包括网络、cpu计算、生成统计信息和执行计划、锁等待等。尤其是向底层存储引擎检索数据的调用操作。这些调用需要在内存操
- windows系统配置
cherishLC
windows
删除Hiberfil.sys :使用命令powercfg -h off 关闭休眠功能即可:
http://jingyan.baidu.com/article/f3ad7d0fc0992e09c2345b51.html
类似的还有pagefile.sys
msconfig 配置启动项
shutdown 定时关机
ipconfig 查看网络配置
ipconfig /flushdns
- 人体的排毒时间
Array_06
工作
========================
|| 人体的排毒时间是什么时候?||
========================
转载于:
http://zhidao.baidu.com/link?url=ibaGlicVslAQhVdWWVevU4TMjhiKaNBWCpZ1NS6igCQ78EkNJZFsEjCjl3T5EdXU9SaPg04bh8MbY1bR
- ZooKeeper
cugfy
zookeeper
Zookeeper是一个高性能,分布式的,开源分布式应用协调服务。它提供了简单原始的功能,分布式应用可以基于它实现更高级的服务,比如同步, 配置管理,集群管理,名空间。它被设计为易于编程,使用文件系统目录树作为数据模型。服务端跑在java上,提供java和C的客户端API。 Zookeeper是Google的Chubby一个开源的实现,是高有效和可靠的协同工作系统,Zookeeper能够用来lea
- 网络爬虫的乱码处理
随意而生
爬虫网络
下边简单总结下关于网络爬虫的乱码处理。注意,这里不仅是中文乱码,还包括一些如日文、韩文 、俄文、藏文之类的乱码处理,因为他们的解决方式 是一致的,故在此统一说明。 网络爬虫,有两种选择,一是选择nutch、hetriex,二是自写爬虫,两者在处理乱码时,原理是一致的,但前者处理乱码时,要看懂源码后进行修改才可以,所以要废劲一些;而后者更自由方便,可以在编码处理
- Xcode常用快捷键
张亚雄
xcode
一、总结的常用命令:
隐藏xcode command+h
退出xcode command+q
关闭窗口 command+w
关闭所有窗口 command+option+w
关闭当前
- mongoDB索引操作
adminjun
mongodb索引
一、索引基础: MongoDB的索引几乎与传统的关系型数据库一模一样,这其中也包括一些基本的优化技巧。下面是创建索引的命令: > db.test.ensureIndex({"username":1}) 可以通过下面的名称查看索引是否已经成功建立: &nbs
- 成都软件园实习那些话
aijuans
成都 软件园 实习
无聊之中,翻了一下日志,发现上一篇经历是很久以前的事了,悔过~~
断断续续离开了学校快一年了,习惯了那里一天天的幼稚、成长的环境,到这里有点与世隔绝的感觉。不过还好,那是刚到这里时的想法,现在感觉在这挺好,不管怎么样,最要感谢的还是老师能给这么好的一次催化成长的机会,在这里确实看到了好多好多能想到或想不到的东西。
都说在外面和学校相比最明显的差距就是与人相处比较困难,因为在外面每个人都
- Linux下FTP服务器安装及配置
ayaoxinchao
linuxFTP服务器vsftp
检测是否安装了FTP
[root@localhost ~]# rpm -q vsftpd
如果未安装:package vsftpd is not installed 安装了则显示:vsftpd-2.0.5-28.el5累死的版本信息
安装FTP
运行yum install vsftpd命令,如[root@localhost ~]# yum install vsf
- 使用mongo-java-driver获取文档id和查找文档
BigBird2012
driver
注:本文所有代码都使用的mongo-java-driver实现。
在MongoDB中,一个集合(collection)在概念上就类似我们SQL数据库中的表(Table),这个集合包含了一系列文档(document)。一个DBObject对象表示我们想添加到集合(collection)中的一个文档(document),MongoDB会自动为我们创建的每个文档添加一个id,这个id在
- JSONObject以及json串
bijian1013
jsonJSONObject
一.JAR包简介
要使程序可以运行必须引入JSON-lib包,JSON-lib包同时依赖于以下的JAR包:
1.commons-lang-2.0.jar
2.commons-beanutils-1.7.0.jar
3.commons-collections-3.1.jar
&n
- [Zookeeper学习笔记之三]Zookeeper实例创建和会话建立的异步特性
bit1129
zookeeper
为了说明问题,看个简单的代码,
import org.apache.zookeeper.*;
import java.io.IOException;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ThreadLocal
- 【Scala十二】Scala核心六:Trait
bit1129
scala
Traits are a fundamental unit of code reuse in Scala. A trait encapsulates method and field definitions, which can then be reused by mixing them into classes. Unlike class inheritance, in which each c
- weblogic version 10.3破解
ronin47
weblogic
版本:WebLogic Server 10.3
说明:%DOMAIN_HOME%:指WebLogic Server 域(Domain)目录
例如我的做测试的域的根目录 DOMAIN_HOME=D:/Weblogic/Middleware/user_projects/domains/base_domain
1.为了保证操作安全,备份%DOMAIN_HOME%/security/Defa
- 求第n个斐波那契数
BrokenDreams
今天看到群友发的一个问题:写一个小程序打印第n个斐波那契数。
自己试了下,搞了好久。。。基础要加强了。
&nbs
- 读《研磨设计模式》-代码笔记-访问者模式-Visitor
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.util.ArrayList;
import java.util.List;
interface IVisitor {
//第二次分派,Visitor调用Element
void visitConcret
- MatConvNet的excise 3改为网络配置文件形式
cherishLC
matlab
MatConvNet为vlFeat作者写的matlab下的卷积神经网络工具包,可以使用GPU。
主页:
http://www.vlfeat.org/matconvnet/
教程:
http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html
注意:需要下载新版的MatConvNet替换掉教程中工具包中的matconvnet:
http
- ZK Timeout再讨论
chenchao051
zookeepertimeouthbase
http://crazyjvm.iteye.com/blog/1693757 文中提到相关超时问题,但是又出现了一个问题,我把min和max都设置成了180000,但是仍然出现了以下的异常信息:
Client session timed out, have not heard from server in 154339ms for sessionid 0x13a3f7732340003
- CASE WHEN 用法介绍
daizj
sqlgroup bycase when
CASE WHEN 用法介绍
1. CASE WHEN 表达式有两种形式
--简单Case函数
CASE sex
WHEN '1' THEN '男'
WHEN '2' THEN '女'
ELSE '其他' END
--Case搜索函数
CASE
WHEN sex = '1' THEN
- PHP技巧汇总:提高PHP性能的53个技巧
dcj3sjt126com
PHP
PHP技巧汇总:提高PHP性能的53个技巧 用单引号代替双引号来包含字符串,这样做会更快一些。因为PHP会在双引号包围的字符串中搜寻变量, 单引号则不会,注意:只有echo能这么做,它是一种可以把多个字符串当作参数的函数译注: PHP手册中说echo是语言结构,不是真正的函数,故把函数加上了双引号)。 1、如果能将类的方法定义成static,就尽量定义成static,它的速度会提升将近4倍
- Yii框架中CGridView的使用方法以及详细示例
dcj3sjt126com
yii
CGridView显示一个数据项的列表中的一个表。
表中的每一行代表一个数据项的数据,和一个列通常代表一个属性的物品(一些列可能对应于复杂的表达式的属性或静态文本)。 CGridView既支持排序和分页的数据项。排序和分页可以在AJAX模式或正常的页面请求。使用CGridView的一个好处是,当用户浏览器禁用JavaScript,排序和分页自动退化普通页面请求和仍然正常运行。
实例代码如下:
- Maven项目打包成可执行Jar文件
dyy_gusi
assembly
Maven项目打包成可执行Jar文件
在使用Maven完成项目以后,如果是需要打包成可执行的Jar文件,我们通过eclipse的导出很麻烦,还得指定入口文件的位置,还得说明依赖的jar包,既然都使用Maven了,很重要的一个目的就是让这些繁琐的操作简单。我们可以通过插件完成这项工作,使用assembly插件。具体使用方式如下:
1、在项目中加入插件的依赖:
<plugin>
- php常见错误
geeksun
PHP
1. kevent() reported that connect() failed (61: Connection refused) while connecting to upstream, client: 127.0.0.1, server: localhost, request: "GET / HTTP/1.1", upstream: "fastc
- 修改linux的用户名
hongtoushizi
linuxchange password
Change Linux Username
更改Linux用户名,需要修改4个系统的文件:
/etc/passwd
/etc/shadow
/etc/group
/etc/gshadow
古老/传统的方法是使用vi去直接修改,但是这有安全隐患(具体可自己搜一下),所以后来改成使用这些命令去代替:
vipw
vipw -s
vigr
vigr -s
具体的操作顺
- 第五章 常用Lua开发库1-redis、mysql、http客户端
jinnianshilongnian
nginxlua
对于开发来说需要有好的生态开发库来辅助我们快速开发,而Lua中也有大多数我们需要的第三方开发库如Redis、Memcached、Mysql、Http客户端、JSON、模板引擎等。
一些常见的Lua库可以在github上搜索,https://github.com/search?utf8=%E2%9C%93&q=lua+resty。
Redis客户端
lua-resty-r
- zkClient 监控机制实现
liyonghui160com
zkClient 监控机制实现
直接使用zk的api实现业务功能比较繁琐。因为要处理session loss,session expire等异常,在发生这些异常后进行重连。又因为ZK的watcher是一次性的,如果要基于wather实现发布/订阅模式,还要自己包装一下,将一次性订阅包装成持久订阅。另外如果要使用抽象级别更高的功能,比如分布式锁,leader选举
- 在Mysql 众多表中查找一个表名或者字段名的 SQL 语句
pda158
mysql
在Mysql 众多表中查找一个表名或者字段名的 SQL 语句:
方法一:SELECT table_name, column_name from information_schema.columns WHERE column_name LIKE 'Name';
方法二:SELECT column_name from information_schema.colum
- 程序员对英语的依赖
Smile.zeng
英语程序猿
1、程序员最基本的技能,至少要能写得出代码,当我们还在为建立类的时候思考用什么单词发牢骚的时候,英语与别人的差距就直接表现出来咯。
2、程序员最起码能认识开发工具里的英语单词,不然怎么知道使用这些开发工具。
3、进阶一点,就是能读懂别人的代码,有利于我们学习人家的思路和技术。
4、写的程序至少能有一定的可读性,至少要人别人能懂吧...
以上一些问题,充分说明了英语对程序猿的重要性。骚年
- Oracle学习笔记(8) 使用PLSQL编写触发器
vipbooks
oraclesql编程活动Access
时间过得真快啊,转眼就到了Oracle学习笔记的最后个章节了,通过前面七章的学习大家应该对Oracle编程有了一定了了解了吧,这东东如果一段时间不用很快就会忘记了,所以我会把自己学习过的东西做好详细的笔记,用到的时候可以随时查找,马上上手!希望这些笔记能对大家有些帮助!
这是第八章的学习笔记,学习完第七章的子程序和包之后