- 基于SIFT-POCS的超分辨率图像重建技术研究与实现
神经网络15044
算法深度学习仿真模型人工智能计算机视觉深度学习算法大数据机器学习
基于SIFT-POCS的超分辨率图像重建技术研究与实现摘要本文详细研究了基于SIFT特征匹配和POCS(ProjectionOntoConvexSets)算法的超分辨率图像重建方法,并完整实现了文献"Super-ResolutionImageReconstructionBasedonSIFT-POCS"中提出的算法。首先介绍了超分辨率重建的基本原理和研究意义,然后深入分析了SIFT特征提取与匹配、
- 扩散模型(Diffusion Model)简介
参考:Diffusionmodel—扩散模型-CSDN博客;由浅入深了解DiffusionModel-知乎;https://arxiv.org/abs/2308.093881.概述 扩散模型是一种生成模型。可用在视觉生成任务上,如图像超分辨率、去模糊、JPEG伪影移除、阴影移除、去雾/霾/雨等等。 扩散模型分为前向(扩散)过程和逆过程。前向过程逐步为图像增加逐像素噪声,直到图像满足高斯噪声;逆
- MATLAB 实现 SRCNN 图像超分辨率重建
leo__520
matlab超分辨率重建开发语言
SRCNN代码实现。该代码使用三层卷积神经网络,进行图像的超分辨率重建,效果比双三次插值好很多SRCNN/Readme.txt,1494SRCNN/SRCNN.m,1267SRCNN/Set14/baboon.bmp,720054SRCNN/Set14/barbara.bmp,1244214SRCNN/Set14/bridge.bmp,263222SRCNN/Set14/coastguard.bm
- 【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
十小大
超分辨率重建(理论+实战科研+应用)超分辨率重建人工智能图像处理深度学习计算机视觉图像超分pytorch
文章目录专栏简介专栏亮点适配人群相关说明关于答疑环境配置超分理解实现流程文章目录基础知识三个常用的SR框架数据集相关可解释性(论文中的可视化说明)图像超分(ImageSuper-Resolution)经典超分(ClassicalSR)任意尺度超分(Arbitrary-ScaleSR)高效/轻量化超分(Efficient/LightweightSR,ESR)盲超分/真实世界图像超分辨率(Blind/
- 【图像超分】论文复现:密集残差链接Transformer!DRCT的Pytorch源码复现,跑通超分源码,获得指标、模型复杂度、结果可视化,核心模块拆解与源码对应,注释详细!
十小大
超分辨率重建(理论+实战科研+应用)pytorch深度学习超分辨率重建图像处理计算机视觉pythontransformer
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!本文亮点:跑通DRCT源码,获得与论文一致的PSNR/SSIM、Params、超分可视化结果,修正论文中FLOPs的计
- CVPR 2024 图像、视频处理总汇(视频字幕、图像超分辨率、图像分类和压缩等)
点云SLAM
图形图像处理深度学习计算机视觉图像处理视频处理3DGSCVPR2024
1、Image/VideoCaptioning(图像/视频字幕)VisualFactChecker:EnablingHigh-FidelityDetailedCaptionGenerationPolos:MultimodalMetricLearningfromHumanFeedbackforImageCaptioning⭐codeprojectPanda-70M:Captioning70MVide
- OpenCV中超分辨率(Super Resolution)模块类cv::dnn_superres::DnnSuperResImpl
村北头的码农
OpenCVopencvdnn人工智能
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述OpenCV中超分辨率(SuperResolution)模块的一个内部实现类。它属于dnn_superres模块,用于加载和运行基于深度学习的图像超分辨率模型。这个类是OpenCV中用于执行深度学习超分辨率推理的主要类。你可以用它来加载预训练的超分辨率模型(如ED
- 【图像超分】论文精读:MTKD: Multi-Teacher Knowledge Distillation for Image Super-Resolution
十小大
超分辨率重建(理论+实战科研+应用)深度学习人工智能图像处理计算机视觉超分辨率重建论文阅读论文笔记
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)前言论文题目:MTKD:Multi-TeacherKnowledgeDistillationforImageSuper-Resolution——MTKD:图像超分辨率的多教师知识蒸馏论文
- 【图像处理入门】12. 综合项目与进阶:超分辨率、医学分割与工业检测
小米玄戒Andrew
图像处理:从入门到专家图像处理人工智能深度学习算法python计算机视觉CV
摘要本周将聚焦三个高价值的综合项目,打通传统算法与深度学习的技术壁垒。通过图像超分辨率重建对比传统方法与深度学习方案,掌握医学图像分割的U-Net实现,设计工业缺陷检测的完整流水线。每个项目均包含原理解析、代码实现与性能优化,帮助读者从“技术应用”迈向“系统设计”。一、项目1:图像超分辨率重建(从模糊到清晰的跨越)1.技术背景与核心指标超分辨率(SR)是通过算法将低分辨率(LR)图像恢复为高分辨率
- CVPR2025|底层视觉(超分辨率,图像恢复,去雨,去雾,去模糊,去噪等)相关论文汇总(附论文链接/开源代码)【持续更新】
Kobaayyy
图像处理与计算机视觉论文相关底层视觉计算机视觉算法CVPR2025图像超分辨率图像复原图像增强
CVPR2025|底层视觉相关论文汇总(如果觉得有帮助,欢迎点赞和收藏)1.超分辨率(Super-Resolution)AdaptiveDropout:UnleashingDropoutacrossLayersforGeneralizableImageSuper-ResolutionADD:AGeneralAttribution-DrivenDataAugmentationFrameworkfor
- 探索深度学习中的图像超分辨率:SMFANet 模型解析
RockLiu@805
深度学习人工智能
探索深度学习中的图像超分辨率:SMFANet模型解析在现代计算机视觉中,图像超分辨率(Super-Resolution)是一个备受关注的研究领域。它的目标是将低分辨率的图像恢复为高分辨率的图像,同时保留或增强细节信息。近年来,基于深度学习的方法在这方面的研究取得了显著进展。今天,我们将一起探索一个轻量级、高效的超分辨率模型——SMFANet,并深入分析其实现细节。一、超分辨率技术的意义与挑战图像超
- 人工智能混合编程实践:Python ONNX FP16加速进行图像超分重建
FriendshipT
人工智能混合编程实践人工智能python开发语言超分辨率重建FP16onnx
人工智能混合编程实践:PythonONNXFP16加速进行图像超分重建前言相关介绍Python简介ONNX简介图像超分辨率重建简介应用场景前提条件实验环境项目结构使用PythonONNXFP16加速进行图像超分重建sr_py_infer_fp16.py参考文献前言由于本人水平有限,难免出现错漏,敬请批评改正。更多精彩内容,可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、
- 产品推荐|一款具有单光子级探测能力的科学相机千眼狼Gloria 1605
gaosushexiangji
人工智能科技计算机视觉
在生命科学超分辨率成像、量子物理单光子探测、交叉领域单分子追踪等应用场景中,具有单光子级探测能力的科学相机是科学实验的关键设备。千眼狼Gloria1605采用16μm×16μm大像元尺寸设计,基于Gpixel科学级背照式CMOS芯片,集成千眼狼底层图像处理技术、超低噪声模拟电路设计技术、热管理与真空封装技术、智能读出与控制技术、高级校正与算法五大核心技术,具备捕捉微弱单光子信号的能力。依据EMVA
- 19 - SAFM模块
Leo Chaw
深度学习算法实现深度学习计算机视觉机器学习
论文《Spatially-AdaptiveFeatureModulationforEfficientImageSuper-Resolution》1、作用这篇论文通过提出空间自适应特征调制(Spatially-AdaptiveFeatureModulation,SAFM)机制,旨在解决图像超分辨率(Super-Resolution,SR)的高效设计问题。在图像超分辨率重建性能上取得了显著的成果,这些
- 鸿蒙开发实战之Image Kit重构美颜相机图像处理管线
harmonyos-next
一、核心能力突破通过ImageKit实现三大技术革新:硬件加速处理4K图像处理延迟降至16ms(NPU+GPU协同)支持10bitHDR管线(BT.2020色域)AI增强算法实时皮肤质感分析(98%毛孔保留率)智能背景重构(语义分割精度±1像素)跨平台一致性相同算法在麒麟/骁龙平台输出差异{updatePreview(result);});//超分辨率重建image.superResolution
- Real-ESRGAN-GUI 安装与配置完全指南
Real-ESRGAN-GUI安装与配置完全指南Real-ESRGAN-GUILovelyReal-ESRGAN/Real-CUGANGUIWrapper项目地址:https://gitcode.com/gh_mirrors/re/Real-ESRGAN-GUI项目基础介绍Real-ESRGAN-GUI是一个基于Real-ESRGAN的图像超分辨率增强工具的简易图形用户界面。该界面旨在让用户轻松地
- 轻量化图像超分新范式:残差注意力网络重构超分计算逻辑
CodePatentMaster
网络重构
轻量化图像超分新范式:残差注意力网络重构超分计算逻辑一、技术原理深度剖析痛点定位当前图像超分辨率技术面临三重挑战:显存黑洞:传统残差网络堆叠导致参数量指数级增长,移动端部署时显存占用超过500MB细节丢失:常规通道注意力机制在压缩过程中丢失高频纹理信息,PSNR指标下降超过1.2dB推理延迟:典型4倍超分模型在移动端GPU的推理时间超过300ms,难以满足实时视频处理需求实现路径专利CN20241
- 【图像超分】论文复现:轻量化超分 | 频域感知Transfomer模型FreqFormer的Pytorch源码复现,跑通源码,获得指标、模型复杂度、超分结果图,架构拆解与源码对应,注释详细!
十小大
超分辨率重建(理论+实战科研+应用)深度学习计算机视觉图像处理超分辨率重建人工智能pythonpytorch
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!本文亮点:跑通FreqFormer源码,获得与论文一致的PSNR/SSIM、Params、FLOPs、超分可视化结果;
- 非盲图像超分辨率与盲图像超分辨率技术2025.6.5
mozun2020
IP1:图像处理计算机视觉人工智能超分辨率重建图像处理信号处理
本文详细介绍非盲图像超分辨率与盲图像超分辨率技术。主要内容如下:基本概念与问题定义:介绍图像超分辨率的基本概念,解释盲与非盲超分辨率的核心区别,并使用表格对比两种技术。非盲图像超分辨率:原理与方法:详细说明非盲超分辨率的技术原理,列举典型方法,并介绍电力设备红外图像处理等应用场景。盲图像超分辨率:挑战与技术路线:分析盲超分辨率面临的三大挑战,系统分类技术方法(显式/隐式建模),并介绍Real-ES
- 【图像超分】论文复现:轻量化超分 | FMEN的Pytorch源码复现,跑通源码,整合到EDSR-PyTorch中进行训练、重参数化、测试
十小大
超分辨率重建(理论+实战科研+应用)pytorch人工智能python超分辨率重建图像处理深度学习计算机视觉
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!本文亮点:跑通FMEN源码(只给了模型实现和权重),将FMEN整合到EDSR-PyTorch中进行训练和重参数化测试获
- 【Block总结】TAB,令牌聚合块|融合组内自注意力(IASA)和组间交叉注意力(IRCA)|即插即用
AI浩
Block总结人工智能计算机视觉
论文信息本文提出了一种新颖的轻量级图像超分辨率网络,称为内容感知令牌聚合网络(CATANet)。该网络旨在解决基于Transformer的方法在高空间分辨率下的计算复杂度问题。CATANet通过高效的内容感知令牌聚合模块(CATA)来捕捉长距离依赖关系,同时保持高推理速度。论文连接:https://arxiv.org/pdf/2503.06896Github代码链接:https://github.
- 【深度学习】CAB:通道注意力模块
shanks66
各种深度学习模块深度学习人工智能
@[toc]CAB:通道注意力模块CAB:通道注意力模块CAB(ChannelAttentionBlock)是一种通道注意力模块,通常用于计算机视觉任务中,特别是在图像恢复、超分辨率、去噪等任务中。它的核心思想是通过学习通道之间的依赖关系,自适应地调整每个通道的特征响应,从而增强模型对重要特征的提取能力。CAB的核心思想通道注意力机制:通过对每个通道的特征进行全局池化,获取全局信息。使用全连接层(
- 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
- 深度学习中的卷积和反卷积
思绪漂移
深度学习人工智能
深度学习中的卷积和反卷积一、引言:为什么需要卷积和反卷积?在计算机视觉领域,卷积神经网络(CNN)通过卷积操作实现了平移不变性特征提取,而反卷积(TransposedConvolution)则作为图像重构的核心技术,广泛应用于图像分割、超分辨率重建、生成对抗网络(GAN)等场景。二者的核心差异在于:卷积:高维→低维(如224x224图像→7x7特征图)通过局部连接和权值共享显著减少参数量,实现高效
- 【PyTorch项目实战】超分RCAN:使用非常深的残差通道注意力网络实现图像超分辨率 —— (自研)解决了RCAN恢复图像的模糊性
胖墩会武术
深度学习PyTorch项目实战python残差网络resnet超分辨率重建RCAN
文章目录一、论文详解1.1、项目背景1.2、研究现状1.3、论文核心1.4、网络模型(RCAN,ResidualChannelAttentionNetworks)1.4.1、残差中的残差(RIR,ResidualInResidual):由G个残差组(RG)和1条长跳跃连接(LSC)组成;每个RG由B个残差通道注意力块(RCAB)和1条短跳跃连接(SSC)组成;每个RCAB由1个通道注意力(CA)和
- python语言中如何构建图像超分辨率重建系统,并支持SRResNet和SRGAN算法,且使用PyQt5进行界面设计。
OICQQ67658008
python超分辨率重建算法
python语言中如何构建图像超分辨率重建系统,并支持SRResNet和SRGAN算法,且使用PyQt5进行界面设计。文章目录1.安装依赖库2.创建主窗口`main_window.py`3.实现SRResNet逻辑`srresnet.py`4.实现SRGAN逻辑`srgan.py`1.安装依赖库2.创建登录界面`login_window.py`3.创建主窗口`main_window.py`4.运行
- 【前沿 热点 顶会】CVPR 2025 录用的与图像|视频恢复、抠图、超分辨率、3D生成有关的论文
平安顺遂事事如意
顶刊顶会论文合集音视频人工智能3d超分辨率重建图像恢复视频
MatAnyone:StableVideoMattingwithConsistentMemoryPropagation仅依赖于输入帧的无辅助的视频抠图方法通常难以处理复杂或模糊的背景。为了解决这个问题,我们提出了MatAnyone,这是一个为目标分配的视频抠图量身定制的强大框架。具体来说,基于基于内存的范式,我们通过区域自适应内存融合引入了一个一致的内存传播模块,该模块自适应地集成来自前一帧的内存
- 探索真实世界超分辨率:Real-World Super-Resolution
司莹嫣Maude
探索真实世界超分辨率:Real-WorldSuper-Resolutionreal-world-sr项目地址:https://gitcode.com/gh_mirrors/re/real-world-sr在图像处理领域,超分辨率(Super-Resolution)是一个备受关注的话题,其目标是将低分辨率图像提升至高分辨率,从而提高细节和清晰度。然而,传统的超分辨率方法在应对现实世界的复杂场景时往往
- 【论文阅读】人脸修复(face restoration ) 不同先验代表算法整理
qianx77
论文阅读工具使用论文阅读算法
转眼做人脸复原(facerestoration)算法也一段时间了,根据自己的记忆整理一下自己的一些看法,算作个人记录,当然如果有人愿意分享自己的看法也是极好的。先挂下文章链接,下一篇在写总结。一、前述人脸修复(facerestoration)任务,起源于人脸超分辨率(facesuperresolution),可以算是从超分出来的一个分支。作为图像低级任务(lowlevel)中的一个,主要目的就是在
- 【图像超分】论文复现:无处不在的双分支通道-空间特征聚合思想!DAT的Pytorch源码复现,获得与论文一致的PSNR/SSIM、Params、FLOPs、超分可视化结果,架构拆解与代码实现!
十小大
超分辨率重建(理论+实战科研+应用)pytorch人工智能计算机视觉深度学习图像处理python超分辨率重建
请先看【专栏介绍文章】:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)完整代码和训练好的模型权重文件下载链接见本文底部,订阅专栏免费获取!本文亮点:跑通DAT源码(DAT,DAT-2,DAT-S,DAT-light),获得与论文一致的PSNR/SSIM、P
- 枚举的构造函数中抛出异常会怎样
bylijinnan
javaenum单例
首先从使用enum实现单例说起。
为什么要用enum来实现单例?
这篇文章(
http://javarevisited.blogspot.sg/2012/07/why-enum-singleton-are-better-in-java.html)阐述了三个理由:
1.enum单例简单、容易,只需几行代码:
public enum Singleton {
INSTANCE;
- CMake 教程
aigo
C++
转自:http://xiang.lf.blog.163.com/blog/static/127733322201481114456136/
CMake是一个跨平台的程序构建工具,比如起自己编写Makefile方便很多。
介绍:http://baike.baidu.com/view/1126160.htm
本文件不介绍CMake的基本语法,下面是篇不错的入门教程:
http:
- cvc-complex-type.2.3: Element 'beans' cannot have character
Cb123456
springWebgis
cvc-complex-type.2.3: Element 'beans' cannot have character
Line 33 in XML document from ServletContext resource [/WEB-INF/backend-servlet.xml] is i
- jquery实例:随页面滚动条滚动而自动加载内容
120153216
jquery
<script language="javascript">
$(function (){
var i = 4;$(window).bind("scroll", function (event){
//滚动条到网页头部的 高度,兼容ie,ff,chrome
var top = document.documentElement.s
- 将数据库中的数据转换成dbs文件
何必如此
sqldbs
旗正规则引擎通过数据库配置器(DataBuilder)来管理数据库,无论是Oracle,还是其他主流的数据都支持,操作方式是一样的。旗正规则引擎的数据库配置器是用于编辑数据库结构信息以及管理数据库表数据,并且可以执行SQL 语句,主要功能如下。
1)数据库生成表结构信息:
主要生成数据库配置文件(.conf文
- 在IBATIS中配置SQL语句的IN方式
357029540
ibatis
在使用IBATIS进行SQL语句配置查询时,我们一定会遇到通过IN查询的地方,在使用IN查询时我们可以有两种方式进行配置参数:String和List。具体使用方式如下:
1.String:定义一个String的参数userIds,把这个参数传入IBATIS的sql配置文件,sql语句就可以这样写:
<select id="getForms" param
- Spring3 MVC 笔记(一)
7454103
springmvcbeanRESTJSF
自从 MVC 这个概念提出来之后 struts1.X struts2.X jsf 。。。。。
这个view 层的技术一个接一个! 都用过!不敢说哪个绝对的强悍!
要看业务,和整体的设计!
最近公司要求开发个新系统!
- Timer与Spring Quartz 定时执行程序
darkranger
springbean工作quartz
有时候需要定时触发某一项任务。其实在jdk1.3,java sdk就通过java.util.Timer提供相应的功能。一个简单的例子说明如何使用,很简单: 1、第一步,我们需要建立一项任务,我们的任务需要继承java.util.TimerTask package com.test; import java.text.SimpleDateFormat; import java.util.Date;
- 大端小端转换,le32_to_cpu 和cpu_to_le32
aijuans
C语言相关
大端小端转换,le32_to_cpu 和cpu_to_le32 字节序
http://oss.org.cn/kernel-book/ldd3/ch11s04.html
小心不要假设字节序. PC 存储多字节值是低字节为先(小端为先, 因此是小端), 一些高级的平台以另一种方式(大端)
- Nginx负载均衡配置实例详解
avords
[导读] 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。负载均衡先来简单了解一下什么是负载均衡,单从字面上的意思来理解就可以解 负载均衡是我们大流量网站要做的一个东西,下面我来给大家介绍在Nginx服务器上进行负载均衡配置方法,希望对有需要的同学有所帮助哦。
负载均衡
先来简单了解一下什么是负载均衡
- 乱说的
houxinyou
框架敏捷开发软件测试
从很久以前,大家就研究框架,开发方法,软件工程,好多!反正我是搞不明白!
这两天看好多人研究敏捷模型,瀑布模型!也没太搞明白.
不过感觉和程序开发语言差不多,
瀑布就是顺序,敏捷就是循环.
瀑布就是需求、分析、设计、编码、测试一步一步走下来。而敏捷就是按摸块或者说迭代做个循环,第个循环中也一样是需求、分析、设计、编码、测试一步一步走下来。
也可以把软件开发理
- 欣赏的价值——一个小故事
bijian1013
有效辅导欣赏欣赏的价值
第一次参加家长会,幼儿园的老师说:"您的儿子有多动症,在板凳上连三分钟都坐不了,你最好带他去医院看一看。" 回家的路上,儿子问她老师都说了些什么,她鼻子一酸,差点流下泪来。因为全班30位小朋友,惟有他表现最差;惟有对他,老师表现出不屑,然而她还在告诉她的儿子:"老师表扬你了,说宝宝原来在板凳上坐不了一分钟,现在能坐三分钟。其他妈妈都非常羡慕妈妈,因为全班只有宝宝
- 包冲突问题的解决方法
bingyingao
eclipsemavenexclusions包冲突
包冲突是开发过程中很常见的问题:
其表现有:
1.明明在eclipse中能够索引到某个类,运行时却报出找不到类。
2.明明在eclipse中能够索引到某个类的方法,运行时却报出找不到方法。
3.类及方法都有,以正确编译成了.class文件,在本机跑的好好的,发到测试或者正式环境就
抛如下异常:
java.lang.NoClassDefFoundError: Could not in
- 【Spark七十五】Spark Streaming整合Flume-NG三之接入log4j
bit1129
Stream
先来一段废话:
实际工作中,业务系统的日志基本上是使用Log4j写入到日志文件中的,问题的关键之处在于业务日志的格式混乱,这给对日志文件中的日志进行统计分析带来了极大的困难,或者说,基本上无法进行分析,每个人写日志的习惯不同,导致日志行的格式五花八门,最后只能通过grep来查找特定的关键词缩小范围,但是在集群环境下,每个机器去grep一遍,分析一遍,这个效率如何可想之二,大好光阴都浪费在这上面了
- sudoku solver in Haskell
bookjovi
sudokuhaskell
这几天没太多的事做,想着用函数式语言来写点实用的程序,像fib和prime之类的就不想提了(就一行代码的事),写什么程序呢?在网上闲逛时发现sudoku游戏,sudoku十几年前就知道了,学生生涯时也想过用C/Java来实现个智能求解,但到最后往往没写成,主要是用C/Java写的话会很麻烦。
现在写程序,本人总是有一种思维惯性,总是想把程序写的更紧凑,更精致,代码行数最少,所以现
- java apache ftpClient
bro_feng
java
最近使用apache的ftpclient插件实现ftp下载,遇见几个问题,做如下总结。
1. 上传阻塞,一连串的上传,其中一个就阻塞了,或是用storeFile上传时返回false。查了点资料,说是FTP有主动模式和被动模式。将传出模式修改为被动模式ftp.enterLocalPassiveMode();然后就好了。
看了网上相关介绍,对主动模式和被动模式区别还是比较的模糊,不太了解被动模
- 读《研磨设计模式》-代码笔记-工厂方法模式
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/
package design.pattern;
/*
* 工厂方法模式:使一个类的实例化延迟到子类
* 某次,我在工作不知不觉中就用到了工厂方法模式(称为模板方法模式更恰当。2012-10-29):
* 有很多不同的产品,它
- 面试记录语
chenyu19891124
招聘
或许真的在一个平台上成长成什么样,都必须靠自己去努力。有了好的平台让自己展示,就该好好努力。今天是自己单独一次去面试别人,感觉有点小紧张,说话有点打结。在面试完后写面试情况表,下笔真的好难,尤其是要对面试人的情况说明真的好难。
今天面试的是自己同事的同事,现在的这个同事要离职了,介绍了我现在这位同事以前的同事来面试。今天这位求职者面试的是配置管理,期初看了简历觉得应该很适合做配置管理,但是今天面
- Fire Workflow 1.0正式版终于发布了
comsci
工作workflowGoogle
Fire Workflow 是国内另外一款开源工作流,作者是著名的非也同志,哈哈....
官方网站是 http://www.fireflow.org
经过大家努力,Fire Workflow 1.0正式版终于发布了
正式版主要变化:
1、增加IWorkItem.jumpToEx(...)方法,取消了当前环节和目标环节必须在同一条执行线的限制,使得自由流更加自由
2、增加IT
- Python向脚本传参
daizj
python脚本传参
如果想对python脚本传参数,python中对应的argc, argv(c语言的命令行参数)是什么呢?
需要模块:sys
参数个数:len(sys.argv)
脚本名: sys.argv[0]
参数1: sys.argv[1]
参数2: sys.argv[
- 管理用户分组的命令gpasswd
dongwei_6688
passwd
NAME: gpasswd - administer the /etc/group file
SYNOPSIS:
gpasswd group
gpasswd -a user group
gpasswd -d user group
gpasswd -R group
gpasswd -r group
gpasswd [-A user,...] [-M user,...] g
- 郝斌老师数据结构课程笔记
dcj3sjt126com
数据结构与算法
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
- yii2 cgridview加上选择框进行操作
dcj3sjt126com
GridView
页面代码
<?=Html::beginForm(['controller/bulk'],'post');?>
<?=Html::dropDownList('action','',[''=>'Mark selected as: ','c'=>'Confirmed','nc'=>'No Confirmed'],['class'=>'dropdown',])
- linux mysql
fypop
linux
enquiry mysql version in centos linux
yum list installed | grep mysql
yum -y remove mysql-libs.x86_64
enquiry mysql version in yum repositoryyum list | grep mysql oryum -y list mysql*
install mysq
- Scramble String
hcx2013
String
Given a string s1, we may represent it as a binary tree by partitioning it to two non-empty substrings recursively.
Below is one possible representation of s1 = "great":
- 跟我学Shiro目录贴
jinnianshilongnian
跟我学shiro
历经三个月左右时间,《跟我学Shiro》系列教程已经完结,暂时没有需要补充的内容,因此生成PDF版供大家下载。最近项目比较紧,没有时间解答一些疑问,暂时无法回复一些问题,很抱歉,不过可以加群(334194438/348194195)一起讨论问题。
----广告-----------------------------------------------------
- nginx日志切割并使用flume-ng收集日志
liyonghui160com
nginx的日志文件没有rotate功能。如果你不处理,日志文件将变得越来越大,还好我们可以写一个nginx日志切割脚本来自动切割日志文件。第一步就是重命名日志文件,不用担心重命名后nginx找不到日志文件而丢失日志。在你未重新打开原名字的日志文件前,nginx还是会向你重命名的文件写日志,linux是靠文件描述符而不是文件名定位文件。第二步向nginx主
- Oracle死锁解决方法
pda158
oracle
select p.spid,c.object_name,b.session_id,b.oracle_username,b.os_user_name from v$process p,v$session a, v$locked_object b,all_objects c where p.addr=a.paddr and a.process=b.process and c.object_id=b.
- java之List排序
shiguanghui
list排序
在Java Collection Framework中定义的List实现有Vector,ArrayList和LinkedList。这些集合提供了对对象组的索引访问。他们提供了元素的添加与删除支持。然而,它们并没有内置的元素排序支持。 你能够使用java.util.Collections类中的sort()方法对List元素进行排序。你既可以给方法传递
- servlet单例多线程
utopialxw
单例多线程servlet
转自http://www.cnblogs.com/yjhrem/articles/3160864.html
和 http://blog.chinaunix.net/uid-7374279-id-3687149.html
Servlet 单例多线程
Servlet如何处理多个请求访问?Servlet容器默认是采用单实例多线程的方式处理多个请求的:1.当web服务器启动的