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)

  • 强化学习代码实践1.DDQN:在CartPole游戏中实现 Double DQN 洪小帅 游戏pythongympytorch深度学习
    强化学习代码实践1.DDQN:在CartPole游戏中实现DoubleDQN1.导入依赖2.定义Q网络3.创建Agent4.训练过程5.解释6.调整超参数在CartPole游戏中实现DoubleDQN（DDQN）训练网络时，我们需要构建一个使用两个Q网络（一个用于选择动作，另一个用于更新目标）的方法。DoubleDQN通过引入目标网络来减少Q-learning中过度估计的偏差。下面是一个基于PyT
  • 目标跟踪概念、多目标跟踪算法SORT和deep SORT原理 yhwang-hub 深度学习
    目录目标跟踪、单目标跟踪、多目标跟踪的概念欧氏距离、马氏距离、余弦距离欧氏距离马氏距离余弦距离SORT算法原理SORT算法中的匈牙利匹配算法指派问题中的匈牙利算法预测模型（卡尔曼滤波器）数据关联（匈牙利匹配）目标丢失问题的处理SORT算法过程deepSORT算法原理状态估计轨迹处理分配问题的评价指标级联匹配深度表观描述子算法总结目标跟踪、单目标跟踪、多目标跟踪的概念目标跟踪分为静态背景下的目标跟踪
  • 银行风险系统的全面解析：功能作用与系统间的互联互通 菁英猎人职业教育 金融互联网软件测试压力测试python面试开发语言测试用例
    银行风险管理系统是银行为控制风险而建立的一套重要系统，主要用于评估、监测和控制银行面临的各种风险，包括信用风险、市场风险、操作风险等。一、主要功能风险识别：系统首先识别在业务开展中可能会面临的各种风险。这通常涉及对客户信息、市场情况、交易数据等多维度信息的综合分析。风险评估：在识别出风险后，系统会对这些风险进行评估，包括量化估计风险敞口、评估银行是否能够承受这些风险，以及这种风险承担和收益获得是否
  • 备战2025美赛数学建模，蒙特卡洛模拟算法，2025美赛数学建模A题+B题+C题+D题+E题思路+模型+代码（1.24第一时间更新，） 灿灿数模 人工智能
    备战2025美赛数学建模，蒙特卡洛模拟算法，2025美赛数学建模A题+B题+C题+D题+E题思路+模型+代码（1.24第一时间更新，）更新见文末名片一、引言蒙特卡洛模拟算法是一种基于概率和统计理论的数值计算方法，通过随机抽样来近似复杂系统的概率问题。它以摩纳哥著名的赌场蒙特卡洛命名，象征着其基于随机性的特点。二、算法原理蒙特卡洛模拟算法的核心思想是利用随机抽样来估计一个函数的期望值或者某个概率分布
  • Simulink开发项1000例实战专栏--实例69：使用Simulink搭建一个5G NR下行链路物理层功能的仿真模型 xiaoheshang_123 手把手教你学MATLAB专栏MATLAB开发项目实例1000例专栏simulink
    目录基于Simulink的5GNR下行链路物理层功能仿真项目实例1.项目背景2.系统架构2.15GNR下行链路物理层功能3.Simulink仿真模型搭建3.1创建新的Simulink模型3.2搭建波形生成模块3.3搭建信道估计模块3.4搭建同步模块3.5搭建解调与解码模块3.6仿真参数设置4.仿真结果与分析4.1波形生成4.2信道估计4.3同步4.4误码率（BER）分析5.总结具体代码实现：1.数
  • H266/VVC 帧间预测中 AMVR 技术 码流怪侠 帧间预测H266VVCVVenCAMVR运动搜索视频编解码
    自适应运动精度AMVR最早的视频编码标准采用整数像素精度描述运动矢量，因此运动估计只能利用位于整数点位置的像素。但实际上物体的真实运动经常是连续的，采用整像素精度并不能很好的描述运动矢量。H.264和HEVC都对亮度分量的运动矢量采用1/4像素精度、色度分量的运动矢量采用1/8像素精度。在HEVC中，当切片头中的use_integer_mv_flag等于0时，运动矢量差（MVDs，即运动矢量与预测
  • 【ORB-SLAM2：三、 地图初始化】 KeyPan ORB-SLAM2数码相机计算机视觉人工智能机器学习深度学习算法
    地图初始化是视觉SLAM系统的关键步骤之一，它是整个系统运行的起点。初始化的主要任务是从输入图像数据中构建一个初始地图，为后续的相机位姿估计和场景重建提供基础。无论是单目、双目还是RGB-D相机，地图初始化的结果直接决定了系统的鲁棒性和精度。3.1为什么需要地图初始化3.1.1地图初始化的重要性定义初始参考坐标系地图初始化为SLAM系统提供了一个全局参考坐标系，使后续的位姿估计和地图扩展能够在一致
  • 【视觉SLAM:六、视觉里程计Ⅰ：特征点法】 KeyPan 视觉SLAM计算机视觉人工智能机器学习数码相机算法深度学习
    视觉里程计（VisualOdometry,VO）是通过处理图像序列，估计摄像头在时间上的相对位姿变化的技术。它是视觉SLAM的重要组成部分之一，主要通过提取图像中的信息（如特征点或直接像素强度）来实现相机运动估计。以下从特征点法、2D-2D对极几何、三角测量、3D-2D的PnP方法、3D-3D的ICP方法介绍视觉里程计的核心内容。特征点法特征点法是视觉里程计的经典方法，通过提取图像中的显著特征点，
  • 基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算实践过程 xiao5kou4chang6kai4 统计生态农业r语言回归贝叶斯统计学线性回归
    专题一贝叶斯统计学的思想与概念1.1信念函数与概率1.2事件划分与贝叶斯法则1.3稀少事件的概率估计1.4可交换性1.5预测模型的构建专题二单参数模型2.1二项式模型与置信域2.2泊松模型与后验分布2.3指数族模型与共轭先验专题三蒙特卡罗逼近3.1蒙特卡罗方法3.2任意函数的后验推断3.3预测分布采样3.4后验模型检验专题四正态模型4.1均值与条件方差的推断4.2基于数学期望的先验4.3非正态分布
  • python 单因子方差分析_假设检验之F检验-方差分析 雏Carnation python单因子方差分析
    这一次我们来了解一下假设检验中另一个重要检验-F检验什么是F检验？F检验(F-test)，最常用的别名叫做联合假设检验(英语：jointhypothesestest)，此外也称方差比率检验、方差齐性检验，方差分析，它是一种在(H0)之下，统计值服从的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计总体F检验对于数据的正态性非常敏感，因此在检验方差齐
  • 维度可变的UKF（无迹卡尔曼滤波），附有完整源代码 MATLAB卡尔曼 MATLAB创新性滤波方法matlab开发语言
    本文分享的MATLAB代码实现了一个N维状态量的无迹卡尔曼滤波（UKF）算法，用于对动态系统的状态估计。代码的一个显著特点是滤波维度可以自由更改，便于适应不同的应用需求。文章目录代码简短介绍运行结果源代码代码简短介绍主要内容和流程如下：初始化：清空工作区和命令窗口，固定随机数种子以确保结果可重现。定义时间序列和状态维度（dim），可以灵活设置至任意值，以适应特定应用。设置过程和观测噪声的协方差矩阵
  • Laplace方法 懒洋洋爱睡觉 线性代数概率论机器学习
    Laplace方法(拉普拉斯方法)前言：Laplace方法，又称Laplace定理，整体思想就是抓极值部分和局部化原理。适用于∫abfn(x)g(x)dx\int_a^bf^n(x)g(x)dx∫abfn(x)g(x)dx型积分的渐近估计，要记得可以通过变形和换元法转化为标准模型。定义：Laplace方法是对实函数的形如Laplace方法是对实函数的形如Laplace方法是对实函数的形如F(λ)=
  • 视觉SLAM学习打卡【8-1】-视觉里程计·直接法 肝帝永垂不朽 #SLAM计算机视觉opencvc++
    本节直接法与上节特征点法，为视觉里程计估计位姿的两大主流方法。而在引出直接法前，先介绍光流法（二者均对灰度值I做文章）。至此，前端VO总算结束了。学下来一个感受就是前几章的数学基础很重要，尤其是构建最小二乘的非线性优化（BA），几乎每种方法都有其一席之地。视觉SLAM学习打卡【8-1】-视觉里程计·直接法一、光流法（1）前提（实际中较难满足）（2）理论推导（3）附：超定方程求解二、直接法（1）理论
  • dice系数 交叉熵_一文搞懂交叉熵损失 weixin_39721853 dice系数交叉熵
    本文从信息论和最大似然估计得角度推导交叉熵作为分类损失函数的依据。从熵来看交叉熵损失信息量信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就越小。设\(X\)是一个离散型随机变量，其取值为集合\(X={x_0,x_1,\dots,x_n}\)，则其概率分布函数为\(p(x)=Pr(X=x),x\inX\)，则定义事件\(X=x_0\)的信息量为：\[I(x_0
  • 【PCL】Segmentation 模块—— 圆柱模型分割（Cylinder model segmentation） old_power PCL计算机视觉3Dc++
    1、简介PCL（PointCloudLibrary）中的圆柱模型分割CylinderModelSegmentation是一种从点云数据中提取圆柱体模型的技术。它通过识别点云中符合圆柱体几何形状的部分，将圆柱体从其他几何形状中分离出来。1.1主要步骤预处理：对点云进行去噪、下采样等操作，以减少数据量并提升处理效率。法线估计：计算点云中每个点的法线，用于后续的模型拟合。模型拟合：使用RANSAC（随机
  • 5万人丢掉饭碗！巨头接连裁员，欧洲汽车工业迈入凛冬 量子位
    全球汽车工业第一大地区，正经历着时代变革。变革“腥风血雨”下，阵痛难以避免，欧洲汽车行业内，经历着一场从上到下的洗牌重组。裁员，就是重组计划的重要表现之一。去年欧洲汽车行业裁员，还是令人惊奇的大消息，如今从供应商到主机厂，家家降本，人人自危，甚至已经让人见怪不怪了。保守估计，今年欧洲汽车行业裁员至少达到5万人。怎么会裁得这么狠？这么快？欧洲裁员大潮，5万员工面临失业这是一场席卷欧洲的工业变革，整个
  • 【机器学习】---神经架构搜索（NAS） Undoom 机器学习Python机器学习架构人工智能python
    这里写目录标题引言1.什么是神经架构搜索（NAS）1.1为什么需要NAS？2.NAS的三大组件2.1搜索空间搜索空间设计的考虑因素：2.2搜索策略2.3性能估计3.NAS的主要方法3.1基于强化学习的NAS3.2基于进化算法的NAS3.3基于梯度的NAS4.NAS的应用5.实现一个简单的NAS框架6.总结引言随着深度学习的成功应用，神经网络架构的设计变得越来越复杂。模型的性能不仅依赖于数据和训练方
  • 「实战应用」如何为DHTMLX JavaScript 甘特图添加进度线 CodeCraft Studio 项目管理javascript甘特图算法
    DHTMLXGantt是用于跨浏览器和跨平台应用程序的功能齐全的Gantt图表。可满足项目管理应用程序的所有需求，是最完善的甘特图图表库。今天，您将学习如何使用进度线补充JavaScript甘特图，以便于监控项目进度。DHTMLXGantt最新试用版下载什么是进度线，以及它如何为甘特图带来好处在复杂的甘特图场景中，项目团队成员或利益相关者可能难以及时准确地估计多个任务的当前状态。这时进度线就派上用
  • Python基于YOLOv8和OpenCV实现车道线和车辆检测 old_power 计算机视觉YOLOopencv计算机视觉python
    使用YOLOv8（YouOnlyLookOnce）和OpenCV实现车道线和车辆检测，目标是创建一个可以检测道路上的车道并识别车辆的系统，并估计它们与摄像头的距离。该项目结合了计算机视觉技术和深度学习物体检测。1、系统主要功能车道检测：使用边缘检测和霍夫线变换检测道路车道。汽车检测：使用YOLOv8模型识别汽车并在汽车周围绘制边界框。距离估计：使用边界框大小计算检测到的汽车与摄像头的距离。2、环境
  • OpenCV相机标定与3D重建(59)用于立体相机标定的函数stereoCalibrate()的使用 jndingxin OpenCV3dopencv
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述标定立体相机设置。此函数找到两个相机各自的内参以及两个相机之间的外参。cv::stereoCalibrate是OpenCV中用于立体相机标定的函数。它通过一组已知的3D点及其在两个相机中的对应2D投影，来估计两个相机之间的相对位置和方向（旋转矩阵R和平移向量T），
  • OpenCV相机标定与3D重建(54)解决透视 n 点问题（Perspective-n-Point, PnP）函数solvePnP()的使用 jndingxin OpenCVopencv3d
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述根据3D-2D点对应关系找到物体的姿态。cv::solvePnP是OpenCV库中的一个函数，用于解决透视n点问题（Perspective-n-Point,PnP），即通过已知的3D点及其对应的2D图像点来估计物体的姿态（旋转和平移）。这个函数可以处理任意数量的点
  • 【GreatSQL优化器-10】find_best_ref 数据库mysql
    【GreatSQL优化器-10】find_best_ref一、find_best_ref介绍GreatSQL的优化器对于join的表需要根据行数和cost来确定最后哪张表先执行哪张表后执行，这里面就涉及到预估满足条件的表数据，在keyuse_array数组有值的情况下，会用find_best_ref函数来通过索引进行cost和rows的估计，并且会找出最优的索引。这样就可能不会继续用后面的calc
  • 【华为OD技术面试真题 - 技术面】- python八股文真题题库（1） 算法大师 华为od面试python
    华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选1.数据预处理流程数据预处理的主要步骤工具和库2.介绍线性回归、逻辑回归模型线性回归（LinearRegression）模型形式：关键点：逻辑回归（LogisticRegression）模型形式：关键点：参数估计与评估：3.python浅拷贝及深拷贝浅拷贝（Shal
  • 生于八十年代--我的姐姐 自南向北
    姐姐大我四岁，幸亏有了她，才有了我。要是头一个是男孩，估计在家里就是另一个孩子了。在我儿时的记忆里，姐姐是一下子蹦出来的，为什么这么说？因为在我五六岁前的印象里是没有她的，五六岁后就突然出现在了我家。上学前的那段时间我俩一直在一起，母亲白天上班，把午饭准备好后，就出门了。屋里就留下两个孩子，由着我们在田间地头，屋前河边到处转悠，现在想来是危险至极，但是在当时却也没有旁的办法。生活是第一位的，父亲在
  • python语法——三目运算符 HappyRocking pythonpython三目运算符
    在java中，有三目运算符，如：intc=(a>b)?a:b表示c取两者中的较大值。但是在python，不能直接这样使用，估计是因为冒号在python有分行的关键作用。那么在python中，如何实现类似功能呢？可以使用ifelse语句，也是一行可以完成，格式为：aifbelsec表示如果b为True，则表达式等于a，否则等于c。如：c=(aif(a>b)elseb)同样是完成了取最大值的功能。
  • 我家纱窗上全是杨树毛子 viiiiiiiiito
    1“所以你脖…嘶…子上的伤不是你自己抓出来的喽？”永河喜欢在说话说到一半的时候吸烟，这总让他产生一些惊人的断句。”恩，不是给你说了么，方易在厕所门口就和别人打起来了，从厕所一路打到酒吧门口，他说我是去劝架，被误伤的。”“后来呢？”“后来就打车回家了啊。”“我是说打…嘶…架，赢了输了？“”完全不记得了，方易连他打的是谁都不知道，我看我这浑身疼的，估计是输了。“”垃圾，要不是我赶飞机昨天我们肯定…”“
  • [实践应用] 深度学习之优化器 YuanDaima2048 深度学习工具使用pytorch深度学习人工智能机器学习python优化器
    文章总览：YuanDaiMa2048博客文章总览深度学习之优化器1.随机梯度下降（SGD）2.动量优化（Momentum）3.自适应梯度（Adagrad）4.自适应矩估计（Adam）5.RMSprop总结其他介绍在深度学习中，优化器用于更新模型的参数，以最小化损失函数。常见的优化函数有很多种，下面是几种主流的优化器及其特点、原理和PyTorch实现：1.随机梯度下降（SGD）原理:随机梯度下降通过
  • 3.1 损失函数和优化：损失函数 做只小考拉
    用一个函数把W当做输入，然后看一下得分，定量地估计W的好坏，这个函数被称为“损失函数”。损失函数用于度量W的好坏。有了损失函数的概念后，就可以定量的衡量W到底是好还是坏，要找到一种有效的方法来从W的可行域里，找到W取何值时情况最不坏，，这个过程将会是一个优化过程。损失函数L_i定义：通过函数f给出预测的分数和真实的目标（或者说是标签y），可以定量的描述训练样本预测的好不好，最终的损失函数是在整个数
  • 2023-09-21郝晓东教师专业阅读第一讲 每天坚持
    20230921六点零三星期四郝晓东教师专业阅读第一讲昨天早上起床比较晚，完成了八九百字，今天早上起床又是有点晚，估计今天早上又是完不成两千字的电子日记了。昨天晚上本来是打算去河里游泳的，但是到了河边感觉有点冷，不想下水了，刚好老表打电话，本来是打电话说去八里滩温泉洗澡的，但是没有人，我们就去河对面转了一圈，见了朱总、李总，走了两万多步，感觉很累，早上起来感觉腰比较不舒服，我就把厚睡衣穿上了，主要
  • 你会读书吗 阿杰说澄长
    一上学那会，朋友W报名了一个快速阅读培训课。出于好奇，我拿着他的培训资料进行了一个月的自我训练，并一度深陷其中。材料主要是无规则的符号以及横跨A4纸的连线，通过视线快速移动，扩大视幅来提升信息的接受速度，又通过图案和符号锻炼大脑的视觉记忆，摆脱音读习惯。那一个月，我沉溺其中，每天用很多的时间练习。一个月后，我确实做到了快速阅读，以句群接受信息，一目一行。只是速度虽快，却读过无痕，该知道的全忘记了。
  • 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