贱小杜
贱小杜

Appearance-Based Gaze Estimation in the Wild（在自然环境下基于表观的视线估计）

德国马普所Xucong Zhang博士等最早尝试使用神经网络来做视线估计Zhang, X., Sugano, Y., Fritz, M., and Bulling, A. (2015). Appearance-based gaze estimation in the wild. In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 4511–4520

Abstract

前人方法的问题：现存数据集是在受限制的实验室条件下收集来的；现存方法没有在多个数据集上进行评估。

技术点1：提出MPIIGaze数据集，包含20万张图片来自15个志愿者3个月来每天使用笔记本电脑的自然场景。（成为目前gaze领域最常用的数据集之一）

技术点2：提出了一个自然环境下基于表观的视线估计，使用的是基于多模态的卷积神经网络。

Appearance-Based Gaze Estimation in the Wild（在自然环境下基于表观的视线估计）_第1张图片

Introduction

Contribution 这项工作的贡献是三方面的

提出了一个大规模数据集，用于自然环境下基于表观的视线估计。

对当时最先进的视线估计方法在三个数据集以及我们自己的数据集上进行了广泛的评估

提出了一种基于表观的视线估计方法，该方法使用多模态卷积神经网络，其性能明显优于当时的最新技术。

Appearance-Based Gaze Estimation in the Wild（在自然环境下基于表观的视线估计）_第2张图片

Method

使用多模态卷积神经网络在MPIIGaze数据集上的误差为6.3度

Appearance-Based Gaze Estimation in the Wild（在自然环境下基于表观的视线估计）_第3张图片
Appearance-Based Gaze Estimation in the Wild（在自然环境下基于表观的视线估计）_第4张图片

你可能感兴趣的:(视线估计)

  • 使用allegro设计PCB时，如何取消高亮显示 在岸上走的鱼 cadence的使用嵌入式硬件硬件工程
    一、说明  使用allegro设计PCB时，经常会遇到一些网络一直是高亮显示，严重影响设计视线，如图所示：二、取消高亮的方法1、首先点击generaledit按钮，如图所示：2、然后在find栏勾选nets，如图所示：3、然后在需要取消高亮的网络上右键，选择dehighilight，如图所示：4、可以看到，刚才选择的目标网络已经被取消高亮了。如图所示：大家好！我是一名从事嵌入式软硬件的工程师，欢迎
  • CPD（Coherent Point Drift）非刚性点云配准算法 点云SLAM 点云数据处理技术算法概率论机器学习非刚性配准CPD配准算法EM算法非刚性拼接
    CPD（CoherentPointDrift）非刚性点云配准算法详解一、算法概述CPD（CoherentPointDrift）是一种基于概率模型的非刚性点云配准方法，由AndriyMyronenko等人在2009年提出。它通过将点云配准问题转化为概率密度估计问题，结合高斯混合模型（GMM）与正则化形变场，能够有效处理复杂形变（如人体运动、器官形变）的点云对齐任务。核心特点：非刚性对齐：支持大范围、
  • 自动驾驶之BEV概述 maxruan BEV自动驾驶自动驾驶人工智能机器学习BEV
    1、为什么需要BEV？自动驾驶需要目标在3D空间的位置信息，传统检测为2D图像上检测目标然后IPM投影到3D。所以无论如何3D结果才是我们最终想要的。对于单个传感器：通过单目3D、深度估计等手段好像能解决这个问题，但是往往精度不高。对于自动驾驶，往往需要360度的多个摄像头协同工作。将多个摄像头的结果进行融合也是一大问题。所以把图象特征转到BEV空间下直接进行3D位置预测，一则可以解决2D到3D的
  • 在PyTorch中使用插值法来优化卷积神经网络（CNN）所需硬件资源 mosquito_lover1 pytorchcnn人工智能
    插值法其实就是在已知数据点之间估计未知点的值。通过已知的离散数据点，构造一个连续的曲线函数，预测数据点之间的空缺值是什么并且自动填补上去。适用场景：在卷积神经网络（CNN）中的应用场景中，经常遇到计算资源有限，比如显存不够或者处理速度慢，需要用插值来降低计算量。使用插值法的优点：物理系统的数据通常是连续的，使用插值法可以保持数据的连续性直接截取可能会丢失重要的动态特征，使用插值法不会丢失重要信息可
  • 困惑度的估计 转码的小石 语言模型
    固定长度模型的困惑度（Perplexity，PPL）困惑度（PPL）是评估语言模型性能的常用指标。需要注意的是，这个指标专门适用于经典的语言模型（有时称为自回归模型或因果语言模型），而对于像BERT这样的掩码语言模型，则定义不太清楚（请参考模型总结）。经典语言模型：经典语言模型的目标是计算给定一段文本的概率，具体来说，就是计算一个序列中每个token的条件概率，n-gram模型是最基础的经典语言模
  • 插件总算是上架到Edge商店了 前端
    插件总算是上架到Edge商店了，谷歌商店刚注册完开发者账号，而且审核比Edge严格多了，已经被打回来好几次了(/=_=)/~┴┴今天根据反馈刚改完提交，看网上介绍的说，估计得审核一周吧。最后附上Edge插件体验地址：https://microsoftedge.microsoft.com/addons/detail/%E6%A9%99%E...今天水一篇，马上月底了，炉石还没上传说呢๑乛◡乛๑
  • pythonmatplotlib绘图小提琴,Matplotlib提琴图 极品小神蛋
    本篇文章帮大家学习Matplotlib提琴图，包含了Matplotlib提琴图使用方法、操作技巧、实例演示和注意事项，有一定的学习价值，大家可以用来参考。小提琴图类似于箱形图，除了它们还显示不同值的数据的概率密度。这些图包括数据中位数的标记和表示四分位数范围的框，如标准框图中所示。在该箱图上叠加的是核密度估计。与箱形图一样，小提琴图用于表示跨不同“类别”的可变分布(或样本分布)的比较。小提琴图形比
  • Python 绘图进阶之小提琴图：探索数据分布与多样性 AIDD Learning Python绘图python开发语言小提琴图数据可视化信息可视化
    Python绘图进阶之小提琴图：探索数据分布与多样性引言在数据分析和可视化中，了解数据的分布是至关重要的。除了常用的箱线图外，小提琴图（ViolinPlot）提供了一种更具信息量的可视化方法，它结合了箱线图和核密度估计图的优点，能够展示数据分布的形状、集中趋势以及数据的多样性。本文将带你深入探索如何使用Python绘制小提琴图，并通过实例理解它在数据分析中的独特价值。一、小提琴图的基本概念小提琴图
  • Transformer模型量化Quantization 笔记 Foolbird123 transformer人工智能深度学习
    模型参数与显存占用计算基础为了详细说明模型的参数数量和每个参数在显存中占用的空间大小，我们以facebookOPT-6.7B模型为例。逐步推理计算过程：1.估计参数总量：OPT-6.7B模型指一个含有大约6.7Billion（67亿）个参数的模型。2.计算单个参数的显存占用：OPT-6.7B模型默认使用Float16，每个参数占用16位（即2字节）的显存。3.计算总显存占用=参数总量×每个参数的显
  • python制图之小提琴图 pianmian1 python信息可视化开发语言
    提琴图（ViolinPlot）是一种结合了箱线图（BoxPlot）和核密度估计（KernelDensityEstimation,KDE）的可视化工具，用于展示数据的分布情况和概率密度。它在数据可视化中具有独特的作用.本节我们学习如何使用python绘制提琴图#导入所需的库importmatplotlib.pyplotasplt#用于绘图importnumpyasnp#用于数值计算importpan
  • webmsxyw x-s分析 考古学家lx(李玺) 爬虫案例合集javascript前端html
    近期又更新了，先是改了x-s生成，然后又加上了a1校验。后面可能会全参校验，比如再加上gid、deviceId、profileData、x-s-common、smidV2之类。估计以后不能写了，大家且看且珍惜吧。之前相关的文章都被下架了危！文章目录X-swindow._webmsxywShanksdecode_garp_dc33b补环境X-s生成流程坑备注JS代码Python请求X-s还是先找x-
  • pythonmatplotlib绘图小提琴_Matplotlib提琴图 weixin_39797393
    小提琴图类似于箱形图，除了它们还显示不同值的数据的概率密度。这些图包括数据中位数的标记和表示四分位数范围的框，如标准框图中所示。在该箱图上叠加的是核密度估计。与箱形图一样，小提琴图用于表示跨不同“类别”的可变分布(或样本分布)的比较。小提琴图形比普通图形更具信息性。事实上，虽然箱形图仅显示平均值/中位数和四分位数范围等汇总统计量，但小提琴图显示了数据的完整分布。importmatplotlib.p
  • MicrobeCensus：快速估计宏基因组数据中的平均基因组大小 邪恶的凹凸曼 笔记算法
    MicrobeCensus：快速估计宏基因组数据中的平均基因组大小在微生物组学研究中，了解微生物群落的平均基因组大小（AGS）对于揭示群落结构和功能至关重要。今天，我将为大家介绍一个非常实用的工具——MicrobeCensus。它能够从宏基因组数据中快速估计微生物群落的平均基因组大小，帮助我们更好地理解微生物群落的组成和功能。接下来，我将详细分享如何安装和使用这个强大的工具。一、为什么选择Micr
  • 【深度学习】Adam优化器 九筠 机器学习深度学习人工智能
    目录1什么是Adam1.1基本概念1.2Adam的数学理解1.2.1计算一阶矩估计（mean）1.2.2计算二阶矩估计（uncenteredvariance）1.2.3矫正一阶矩估计（mean）和二阶矩估计（uncenteredvariance）的偏差1.2.4更新模型参数1.3Adam的简单理解2Adam优化算法怎么用2.1导入所需的库和模块2.2定义模型和损失函数2.3定义优化器2.4在训练循
  • YOLOv11快速上手：如何在本地使用TorchServe部署目标检测模型 SYC_MORE YOLOv11系列教程：模型训练优化与部署全攻略TorchServeYOLOv11教程模型部署与推理TorchServe应用目标检测模型训练YOLO模型导出
    引言YOLOv11是最新的目标检测模型，以其高效和准确著称，广泛应用于图像分割、姿态估计等任务。本文将详细介绍如何使用YOLOv11训练你的第一个目标检测模型，并通过TorchServe在本地进行部署，实现模型的快速推理。环境准备在开始之前，确保你的开发环境满足以下要求：Python版本：3.8或以上PyTorch：1.9或以上CUDA：如果使用GPU，加速训练和推理TorchServe：用于模型
  • 清影2.0（AI视频生成）技术浅析（四）：计算机视觉（CV） 爱研究的小牛 AIGC—视频AIGC——图像AIGC—计算机视觉人工智能音视频AIGC深度学习机器学习
    清影2.0是一个基于人工智能的视频生成平台，其核心计算机视觉（CV）技术包括图像处理与增强、动作捕捉与平滑等。这些技术通过深度学习、生成对抗网络（GAN）、光流估计等方法，实现了高质量的视频生成和编辑。1.清影2.0概述清影2.0的核心目标是通过计算机视觉技术生成高质量的视频内容，其主要功能包括：图像处理与增强：提升视频帧的质量和清晰度。动作捕捉与平滑：捕捉视频中的动作并生成平滑的过渡。2.图像处
  • Git通讲-第四章：Git的未来与我的感悟 焦糖酒 Git通讲git
    前言这估计就是本系列的最后一篇文章了，我将在这篇中为系列做个总结，探讨一下git的未来，分享下我洋洋洒洒写了这么多篇文章下来的个人感悟。Git的未来Git不仅是一个强大且灵活的分布式版本控制系统，而且在过去的十几年中不断发展。其未来发展方向体现在两大方面：核心功能的改进和与生态系统中其他工具的整合。Git的持续发展随着技术的发展和用户需求的变化，Git的开发者们不断对其进行优化和扩展。比如，近年来
  • 【CCM-SLAM论文阅读笔记】 随机取名字 协同SLAM论文阅读slam
    CCM-SLAM论文阅读笔记整体框架结构如图所示：单智能体只负责采集图像数据，运行实时视觉里程计VO以估计当前位姿和环境地图，由于单智能体计算资源有限，负责生成的局部地图只包含当前N个最近的关键帧。服务器负责地图管理、地点识别、地图融合和全局BA优化。所有局部地图使用本地里程计框架，地图信息在从一个本地里程计到另一个本地里程计框架的相对坐标中进行交换。CCM-SLAM不假设任何关于智能体初始位置的
  • Spark MLlib中的机器学习算法及其应用场景 Java资深爱好者 深度学习推荐算法
    SparkMLlib是ApacheSpark框架中的一个机器学习库，提供了丰富的机器学习算法和工具，用于处理和分析大规模数据。以下是SparkMLlib中的机器学习算法及其应用场景的详细描述：一、SparkMLlib中的机器学习算法分类算法：逻辑回归：用于二分类问题，通过最大化对数似然函数来估计模型参数。支持向量机（SVM）：用于分类和回归问题，通过寻找一个超平面来最大化不同类别之间的间隔。决策树
  • 高并发技巧-redis热key问题处理技巧 小二上酒8 java开发语言redis缓存数据库
    热key问题，简单来说就是对某一资源的访问量过高问题，再简单一点来说就是对某个资源访问的qps过高，而解决访问量高的问题通常我们使用分布式缓存，最常见的就是redis，这个资源对应redis的一个key简称热key。热key在开发中是非常常见的，比如各种app的榜单，活动页面上的一些资源。虽然redis号称单节点能扛住10Wqps，但是开发中肯定不能这样去估计，毕竟安全第一，比如5000似乎就可能
  • 25/2/16 ＜算法笔记＞ DirectPose 青椒大仙KI11 视觉计算机视觉
    DirectPose是一种直接从图像中预测物体的6DoF（位姿：6DegreesofFreedom）姿态的方法，包括平移和平面旋转。它在目标检测、机器人视觉、增强现实（AR）和自动驾驶等领域中具有广泛应用。相比于传统的位姿估计方法，DirectPose试图简化复杂的处理流程，采用端到端的方式直接从图像中输出位姿参数。1.DirectPose是什么？DirectPose是一种端到端的神经网络方法，旨
  • 一文读懂MUSIC算法DOA估计的数学原理并仿真 迎风打盹儿 阵列信号处理MUSIC算法DOA估计阵列信号处理信号子空间噪声子空间
    一文读懂MUSIC算法DOA估计的数学原理并仿真文章目录前言一、DOA估计基本原理二、MATLAB仿真总结前言MUSIC（MultipleSignalClassification）算法于1979年由R.O.Schmidt提出，是阵列信号处理中广泛应用的经典DOA（DirectionofArrival）估计算法，凭借其超分辨的估计性能受到广泛关注。本文将从数学公式推导的角度出发系统阐述MUSIC算法
  • 基于MUSIC算法的DOA估计Matlab仿真 fpga和matlab ★MATLAB算法仿真经验板块1:通信与信号处理matlabMUSIC算法DOA估计
    up目录一、理论基础二、核心程序三、测试结果一、理论基础阵列信号处理是信号处理领域内的一个重要分支，在近些年来得到了迅速发展。波达方向（DirectionofArrival，DOA）估计是阵列信号处理的一个重要的研究领域，在雷达、通信、声纳、地震学等领域都有着广泛的应用前景。在DOA估计的发展过程中，人们对高分辨DOA估计算法一直有很大的研究兴趣，并在这一领域取得了很多重要的进展。阵列信号处理主要
  • 在瑞芯微RK3588平台上使用RKNN部署YOLOv8Pose模型的C++实战指南 机 ＿ 长 YOLO系列模型有效涨点改进深度学习落地实战YOLOc++开发语言
    在人工智能和计算机视觉领域，人体姿态估计是一项极具挑战性的任务，它对于理解人类行为、增强人机交互等方面具有重要意义。YOLOv8Pose作为YOLO系列中的新成员，以其高效和准确性在人体姿态估计任务中脱颖而出。本文将详细介绍如何在瑞芯微RK3588平台上，使用RKNN（RockchipNeuralNetworkToolkit）框架部署YOLOv8Pose模型，并进行C++代码的编译和运行。注本文全
  • YOLOv8 Pose使用RKNN进行推理 い不靠譜︶朱Sir 实用项目部署YOLO人工智能pythonlinuxpip
    关注微信公众号：朱sir的小站，发送202411081即可免费获取源代码下载链接一、简单介绍YOLOv8-Pose是一种基于YOLOv8架构的姿态估计模型，能够识别图像中的关键点位置，这些关键点通常表示人体的关节、特征点或其他显著位置。该模型在COCO关键点数据集上训练，适合多种姿势估计任务。二、ONNX推理1.首先需要先将Pytorch模型转换为Onnx模型，下载pt模型这里给出官方的权重下载地
  • 使用rknn进行yolo11-pose部署 点PY 深度学习模型部署pytorch深度学习人工智能
    文章目录概要生成ONNX生成RKNN实测效果概要使用RKNN进行YOLOv11Pose部署的必要性在于，RKNN能将YOLOv11Pose模型转化为适合Rockchip硬件平台（如RV1109、RV1126）执行的格式，充分利用其AI加速功能，显著提高推理速度和效率。此外，RKNN提供模型优化（如量化）功能，有助于减少计算资源消耗，提升实时处理能力，特别适合在嵌入式设备上进行高效、低功耗的姿态估计
  • 线性回归理论 狂踹瘸子那条好脚 python
    ###线性回归与Softmax回归####线性回归线性回归是一种用于估计连续值的回归方法。它的应用场景非常广泛，比如在房地产市场中，参观一个房子后，我们可以通过线性回归模型来估计房子的价格，从而决定出价。线性回归的核心思想是通过训练数据来学习参数，使得模型的预测值与真实值之间的差异最小化。在神经网络中，线性回归可以看作是一个单层神经网络。通过损失函数来衡量预测值与真实值之间的差异，常用的损失函数包
  • MapEX - Mind the map! Accounting for existing maps when estimating online HDMaps from sensors. zisuina_2 python深度学习3d
    MapEX加入地图编码的MAP检测论文链接MapEX背景与动机：HD地图的重要性与高成本：HD地图是自动驾驶的关键组成部分，但其采集和维护成本极高。现有方法的局限性：现有方法主要依赖传感器数据生成HD地图，但通常忽略了已有的HD地图资源。当前方法最多只是对低质量地图进行地理定位或使用通用的已知地图数据库，效率和效果都有限。提出的解决方案：充分利用现有地图：在HD地图估计中引入现有HD地图资源，具体
  • 腿足机器人之五- 粒子滤波 shichaog 腿足机器人机器人
    腿足机器人之五粒子滤波直方图滤波粒子滤波上一篇博客使用的是高斯分布结合贝叶斯准则来估计机器人状态，本篇是基于直方图和粒子滤波器这两种无参滤波器估计机器人状态。直方图方法将状态空间分解成有限多个区域，并用直方图表示后验概率。直方图为每个区域分配一个单独的累积概率；可以将其视为对连续密度函数的逐段常数近似。第二种技术通过有限多个样本来表示后验概率。由此产生的滤波器被称为粒子滤波器，在某些机器人问题中获
  • OpenCV的卡尔曼滤波器：实现和应用 雪域Code opencv人工智能计算机视觉C/C++
    OpenCV的卡尔曼滤波器：实现和应用卡尔曼滤波器（Kalmanfilter）是一种最优估计的算法，在众多领域有着广泛的应用，如控制系统、通信系统、机器人等。OpenCV作为一个计算机视觉库，也提供了对卡尔曼滤波器的支持。本文将介绍OpenCV中卡尔曼滤波器的基本原理、实现方法以及在图像处理中的应用。一、卡尔曼滤波器简介卡尔曼滤波器是一种用于状态估计和信号滤波的算法，主要针对线性、高斯分布的系统。
  • Linux的Initrd机制 被触发 linux
    Linux 的 initrd 技术是一个非常普遍使用的机制，linux2.6 内核的 initrd 的文件格式由原来的文件系统镜像文件转变成了 cpio 格式，变化不仅反映在文件格式上， linux 内核对这两种格式的 initrd 的处理有着截然的不同。本文首先介绍了什么是 initrd 技术，然后分别介绍了 Linux2.4 内核和 2.6 内核的 initrd 的处理流程。最后通过对 Lin
  • maven本地仓库路径修改 bitcarter maven
    默认maven本地仓库路径：C:\Users\Administrator\.m2 修改maven本地仓库路径方法：     1.打开E:\maven\apache-maven-2.2.1\conf\settings.xml     2.找到        
  • XSD和XML中的命名空间 darrenzhu xmlxsdschemanamespace命名空间
    http://www.360doc.com/content/12/0418/10/9437165_204585479.shtml http://blog.csdn.net/wanghuan203/article/details/9203621 http://blog.csdn.net/wanghuan203/article/details/9204337 http://www.cn
  • Java 求素数运算 周凡杨 java算法素数
    网络上对求素数之解数不胜数，我在此总结归纳一下，同时对一些编码，加以改进，效率有成倍热提高。 第一种：   原理: 6N(+-)1法         任何一个自然数，总可以表示成为如下的形式之一： 6N，6N+1，6N+2，6N+3，6N+4，6N+5 (N=0，1，2，…)   
  • java 单例模式 g21121 java
    想必单例模式大家都不会陌生，有如下两种方式来实现单例模式：   class Singleton { private static Singleton instance=new Singleton(); private Singleton(){} static Singleton getInstance() { return instance; }
  • Linux下Mysql源码安装 510888780 mysql
    1.假设已经有mysql-5.6.23-linux-glibc2.5-x86_64.tar.gz (1)创建mysql的安装目录及数据库存放目录       解压缩下载的源码包，目录结构，特殊指定的目录除外：           
  • 32位和64位操作系统 墙头上一根草 32位和64位操作系统
    32位和64位操作系统是指：CPU一次处理数据的能力是32位还是64位。现在市场上的CPU一般都是64位的，但是这些CPU并不是真正意义上的64 位CPU，里面依然保留了大部分32位的技术，只是进行了部分64位的改进。32位和64位的区别还涉及了内存的寻址方面，32位系统的最大寻址空间是2 的32次方= 4294967296（bit）= 4（GB）左右，而64位系统的最大寻址空间的寻址空间则达到了
  • 我的spring学习笔记10-轻量级_Spring框架 aijuans Spring 3
    一、问题提问：     → 请简单介绍一下什么是轻量级？     轻量级（Leightweight）是相对于一些重量级的容器来说的，比如Spring的核心是一个轻量级的容器，Spring的核心包在文件容量上只有不到1M大小，使用Spring核心包所需要的资源也是很少的，您甚至可以在小型设备中使用Spring。  
  • mongodb 环境搭建及简单CURD antlove WebInstallcurdNoSQLmongo
    一 搭建mongodb环境 1. 在mongo官网下载mongodb 2. 在本地创建目录 "D:\Program Files\mongodb-win32-i386-2.6.4\data\db" 3. 运行mongodb服务 [mongod.exe --dbpath "D:\Program Files\mongodb-win32-i386-2.6.4\data\
  • 数据字典和动态视图 百合不是茶 oracle数据字典动态视图系统和对象权限
    数据字典（data dictionary）是 Oracle 数据库的一个重要组成部分，这是一组用于记录数据库信息的只读（read-only）表。随着数据库的启动而启动,数据库关闭时数据字典也关闭   数据字典中包含   数据库中所有方案对象（schema object）的定义(包括表，视图，索引，簇，同义词，序列，过程，函数，包，触发器等等) 数据库为一
  • 多线程编程一般规则 bijian1013 javathread多线程java多线程
           如果两个工两个以上的线程都修改一个对象，那么把执行修改的方法定义为被同步的，如果对象更新影响到只读方法，那么只读方法也要定义成同步的。        不要滥用同步。如果在一个对象内的不同的方法访问的不是同一个数据，就不要将方法设置为synchronized的。
  • 将文件或目录拷贝到另一个Linux系统的命令scp bijian1013 linuxunixscp
    一.功能说明        scp就是security copy，用于将文件或者目录从一个Linux系统拷贝到另一个Linux系统下。scp传输数据用的是SSH协议，保证了数据传输的安全，其格式如下：        scp 远程用户名@IP地址：文件的绝对路径
  • 【持久化框架MyBatis3五】MyBatis3一对多关联查询 bit1129 Mybatis3
    以教员和课程为例介绍一对多关联关系，在这里认为一个教员可以叫多门课程，而一门课程只有1个教员教，这种关系在实际中不太常见，通过教员和课程是多对多的关系。   示例数据：   地址表：   CREATE TABLE ADDRESSES ( ADDR_ID INT(11) NOT NULL AUTO_INCREMENT, STREET VAR
  • cookie状态判断引发的查找问题 bitcarter formcgi
    先说一下我们的业务背景： 1.前台将图片和文本通过form表单提交到后台，图片我们都做了base64的编码，并且前台图片进行了压缩 2.form中action是一个cgi服务 3.后台cgi服务同时供PC，H5，APP 4.后台cgi中调用公共的cookie状态判断方法（公共的，大家都用，几年了没有问题） 问题：（折腾两天。。。。） 1.PC端cgi服务正常调用，cookie判断没
  • 通过Nginx,Tomcat访问日志(access log)记录请求耗时 ronin47
    一、Nginx通过$upstream_response_time $request_time统计请求和后台服务响应时间 nginx.conf使用配置方式： log_format main '$remote_addr - $remote_user [$time_local] "$request" ''$status $body_bytes_sent "$http_r
  • java-67- n个骰子的点数。 把n个骰子扔在地上，所有骰子朝上一面的点数之和为S。输入n，打印出S的所有可能的值出现的概率。 bylijinnan java
    public class ProbabilityOfDice { /** * Q67 n个骰子的点数 * 把n个骰子扔在地上，所有骰子朝上一面的点数之和为S。输入n，打印出S的所有可能的值出现的概率。 * 在以下求解过程中，我们把骰子看作是有序的。 * 例如当n=2时，我们认为（1，2）和（2，1）是两种不同的情况 */ private stati
  • 看别人的博客，觉得心情很好 Cb123456 博客心情
       以为写博客，就是总结，就和日记一样吧，同时也在督促自己。今天看了好长时间博客:    职业规划:    http://www.iteye.com/blogs/subjects/zhiyeguihua      android学习:    1.http://byandby.i
  • [JWFD开源工作流]尝试用原生代码引擎实现循环反馈拓扑分析 comsci 工作流
        我们已经不满足于仅仅跳跃一次，通过对引擎的升级，今天我测试了一下循环反馈模式，大概跑了200圈，引擎报一个溢出错误      在一个流程图的结束节点中嵌入一段方程，每次引擎运行到这个节点的时候，通过实时编译器GM模块，计算这个方程，计算结果与预设值进行比较，符合条件则跳跃到开始节点，继续新一轮拓扑分析，直到遇到
  • JS常用的事件及方法 cwqcwqmax9 js
    事件 描述 onactivate 当对象设置为活动元素时触发。 onafterupdate 当成功更新数据源对象中的关联对象后在数据绑定对象上触发。 onbeforeactivate 对象要被设置为当前元素前立即触发。 onbeforecut 当选中区从文档中删除之前在源对象触发。 onbeforedeactivate 在 activeElement 从当前对象变为父文档其它对象之前立即
  • 正则表达式验证日期格式 dashuaifu 正则表达式IT其它java其它
    正则表达式验证日期格式 function isDate(d){ var v = d.match(/^(\d{4})-(\d{1,2})-(\d{1,2})$/i); if(!v) { this.focus(); return false; } } <input value="2000-8-8" onblu
  • Yii CModel.rules() 方法 、validate预定义完整列表、以及说说验证 dcj3sjt126com yii
    public array rules () {return} array 要调用 validate() 时应用的有效性规则。 返回属性的有效性规则。声明验证规则，应重写此方法。 每个规则是数组具有以下结构：array('attribute list', 'validator name', 'on'=>'scenario name', ...validation
  • UITextAttributeTextColor = deprecated in iOS 7.0 dcj3sjt126com ios
    In this lesson we used the key "UITextAttributeTextColor" to change the color of the UINavigationBar appearance to white. This prompts a warning "first deprecated in iOS 7.0." Ins
  • 判断一个数是质数的几种方法 EmmaZhao Mathpython
    质数也叫素数，是只能被1和它本身整除的正整数，最小的质数是2，目前发现的最大的质数是p=2^57885161-1【注1】。 判断一个数是质数的最简单的方法如下： def isPrime1(n): for i in range(2, n): if n % i == 0: return False return True 但是在上面的方法中有一些冗余的计算，所以
  • SpringSecurity工作原理小解读 坏我一锅粥 SpringSecurity
      SecurityContextPersistenceFilter   ConcurrentSessionFilter   WebAsyncManagerIntegrationFilter   HeaderWriterFilter   CsrfFilter   LogoutFilter   Use
  • JS实现自适应宽度的Tag切换 ini JavaScripthtmlWebcsshtml5
    效果体验：http://hovertree.com/texiao/js/3.htm   该效果使用纯JavaScript代码，实现TAB页切换效果，TAB标签根据内容自适应宽度，点击TAB标签切换内容页。 HTML文件代码： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"
  • Hbase Rest API : 数据查询 kane_xie RESThbase
    hbase（hadoop）是用java编写的，有些语言（例如python）能够对它提供良好的支持，但也有很多语言使用起来并不是那么方便，比如c#只能通过thrift访问。Rest就能很好的解决这个问题。Hbase的org.apache.hadoop.hbase.rest包提供了rest接口，它内嵌了jetty作为servlet容器。   启动命令：./bin/hbase rest s
  • JQuery实现鼠标拖动元素移动位置（源码+注释） 明子健 jqueryjs源码拖动鼠标
    欢迎讨论指正！   print.html代码： <!DOCTYPE html> <html> <head> <meta http-equiv=Content-Type content="text/html;charset=utf-8"> <title>发票打印</title> &l
  • Postgresql 连表更新字段语法 update qifeifei PostgreSQL
    下面这段sql本来目的是想更新条件下的数据，可是这段sql却更新了整个表的数据。sql如下： UPDATE tops_visa.visa_order SET op_audit_abort_pass_date = now() FROM tops_visa.visa_order as t1 INNER JOIN tops_visa.visa_visitor as t2 ON t1.
  • 将redis,memcache结合使用的方案? tcrct rediscache
    公司架构上使用了阿里云的服务，由于阿里的kvstore收费相当高，打算自建，自建后就需要自己维护，所以就有了一个想法，针对kvstore(redis)及ocs(memcache)的特点，想自己开发一个cache层，将需要用到list，set，map等redis方法的继续使用redis来完成，将整条记录放在memcache下，即findbyid，save等时就memcache，其它就对应使用redi
  • 开发中遇到的诡异的bug wudixiaotie bug
    今天我们服务器组遇到个问题： 我们的服务是从Kafka里面取出数据，然后把offset存储到ssdb中，每个topic和partition都对应ssdb中不同的key，服务启动之后，每次kafka数据更新我们这边收到消息，然后存储之后就发现ssdb的值偶尔是-2,这就奇怪了，最开始我们是在代码中打印存储的日志，发现没什么问题，后来去查看ssdb的日志，才发现里面每次set的时候都会对同一个key
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他