小圆脸kk
小圆脸kk

单目标跟踪算法评价指标

中心位置误差（center location error ,CLE）

中心位置误差为预测的目标中心和真实的目标中心之间的欧氏距离，以像素为单位，(xa,ya）表示预测目标中心位置，（xb,yb）表示真实的目标中心位置

CLE=\sqrt{\left ( {x_{a}}^{2}-{x_{b}}^{2} \right )+\left ( {y_{a}}^{2} -{y_{b}}^{2}\right )}

距离精度（diatance precision，DP）

距离精度指中心位置误差低于某一阈值（通常选20）的帧数占视频总帧数的百分比

符合条件的帧数：中心位置误差<阈值

精度=符合条件的帧数/总帧数

单目标跟踪算法评价指标_第1张图片

重叠精度（overlap precision，OP）

重叠精度指预测的目标边界框与真实的目标边界框的重叠率高于给定阈值（通常为0.5）的帧数占视频总帧数的百分比

overlap rate=\tfrac{S{a}\bigcap_{}^{}Sb}{Sa\bigcup Sb}

Sa为预测的目标边界框，Sb为真实的目标边界框

符合条件的帧数：重叠率>阈值

精度=符合条件的帧数/总帧数

单目标跟踪算法评价指标_第2张图片

你可能感兴趣的:(目标跟踪)

  • 传统检测响应慢？陌讯多模态引擎提速90+FPS实战 2501_92473147 算法计算机视觉目标检测
    开篇痛点：实时目标检测在安防监控中的核心挑战在安防监控领域，实时目标检测是保障公共安全的关键技术。然而，传统算法如YOLOv5或开源框架MMDetection常面临两大痛点：误报率高（复杂光照或遮挡场景下检测不稳定）和响应延迟（高分辨率视频流处理FPS低于30）。实测数据显示，城市交通监控系统误报率达15%，导致安保资源浪费；客户反馈表明，延迟超100ms时，目标跟踪可能失效。这些问题源于算法泛化
  • Python OpenCV教程从入门到精通的全面指南【文末送书】 一键难忘 pythonopencv开发语言
    文章目录PythonOpenCV从入门到精通1.安装OpenCV2.基本操作2.1读取和显示图像2.2图像基本操作3.图像处理3.1图像转换3.2图像阈值处理3.3图像平滑4.边缘检测和轮廓4.1Canny边缘检测4.2轮廓检测5.高级操作5.1特征检测5.2目标跟踪5.3深度学习与OpenCVPythonOpenCV从入门到精通【文末送书】PythonOpenCV从入门到精通OpenCV(Ope
  • 【雕爷学编程】MicroPython手册之 ESP32-CAM 机器人目标跟踪 驴友花雕 机器人目标跟踪人工智能嵌入式硬件pythonMicroPythonESP32-CAM
    MicroPython是为了在嵌入式系统中运行Python3编程语言而设计的轻量级版本解释器。与常规Python相比，MicroPython解释器体积小(仅100KB左右)，通过编译成二进制Executable文件运行，执行效率较高。它使用了轻量级的垃圾回收机制并移除了大部分Python标准库，以适应资源限制的微控制器。MicroPython主要特点包括:1、语法和功能与标准Python兼容,易学
  • 长尾形分布论文速览三十篇【60-89】 木木阳 Long-tailed人工智能
    长尾形分布速览（60-89）这些研究展示了LLMs在长尾数据分布、持续学习、异常检测、联邦学习、对比学习、知识图谱、推荐系统、多目标跟踪、标签修复、对象检测、医疗生物医学以及其他应用中的广泛应用。通过优化和创新，LLMs在这些领域展现了卓越的性能，并为解决长尾问题提供了有效的工具和方法。1.长尾持续学习与对抗学习长尾持续学习(Paper60):通过优化器状态重用来减少遗忘，提高在长尾任务中的持续学
  • 数据标注师学习内容汇总 试着 数据标注师学习数据标注师
    目录文本标注图像标注语音标注文本标注词性标注1词性标注2实体标注关系标注事件标注1事件标注2意图标注关键词标注分类标注问答标注对话标注图像标注拉框标注关键点标注2D标注3D标注线标注目标跟踪标注OCR标注图像分类标注语音标注语音切割转写语音校对标注拼音和停顿标注
  • 【数据标注师】目标跟踪标注 试着 数据标注师目标跟踪人工智能计算机视觉数据标注师目标跟踪标注
    目录一、**目标跟踪标注的四大核心挑战**二、**五阶能力培养体系**▶**阶段1：基础规则内化（1-2周）**▶**阶段2：复杂场景处理技能**▶**阶段3：专业工具mastery**▶**阶段4：领域深度专精▶**阶段5：效率突破方案三、**精度控制五大核心技术**四、**质检与错误防御体系**1.**四维质检法**：2.**高频错误防御表**：五、**持续进阶体系**1.**复杂场景专项**
  • 目标跟踪领域经典论文解析 ♢.＊ 目标跟踪人工智能计算机视觉
    亲爱的小伙伴们，在求知的漫漫旅途中，若你对深度学习的奥秘、JAVA、PYTHON与SAP的奇妙世界，亦或是读研论文的撰写攻略有所探寻，那不妨给我一个小小的关注吧。我会精心筹备，在未来的日子里不定期地为大家呈上这些领域的知识宝藏与实用经验分享。每一个点赞，都如同春日里的一缕阳光，给予我满满的动力与温暖，让我们在学习成长的道路上相伴而行，共同进步✨。期待你的关注与点赞哟！目标跟踪是计算机视觉领域的一个
  • 基于均值偏移算法的动态目标跟踪研究 Zoiny_楠 算法均值算法目标跟踪
    摘要：目标跟踪技术是计算机视觉领域中重要研究课题之一,在人类生活、军事侦察、工业生产、医疗诊断、交通管理等多方面,都有广泛的应用,研究目标跟踪对人类生活、工程应用等具有现实的指导意义。在基于视觉的目标跟踪算法中,经典的Mean-Shift算法以其理论科学有效、操作简单易实现,跟踪性能较好等优势,一直是众多学者研究的热点。可算法也存在着许多缺陷。例如目标模型中混有背景信息的干扰,给目标定位带来了偏差
  • 目标跟踪存在问题以及解决方案 选与握 #目标跟踪目标跟踪人工智能计算机视觉
    3D跟踪一、数据特性引发的跟踪挑战1.点云稀疏性与远距离特征缺失问题表现：激光雷达点云密度随距离平方衰减（如100米外车辆点云数不足近距离的1/10），导致远距离目标几何特征（如车轮、车顶轮廓）不完整，跟踪时易因特征匹配失败导致ID丢失。典型案例：在高速公路场景中，200米外的卡车因点云稀疏（仅约50个点），跟踪算法难以区分其与大型货车的形状差异，导致轨迹跳跃或ID切换。技术方案：稀疏点云增强与特
  • 多目标跟踪 行走的小部落 目标跟踪人工智能计算机视觉
    侦探联盟：多目标跟踪大作战适合对象：高中生关键点：多目标跟踪、传统方法、深度学习、卡尔曼滤波、匈牙利算法、CNN、Re-ID序章：神秘的闹市阴影夜晚的星城，一场盛大的街头音乐节即将开幕。灯光下，形形色色的人在广场上游走。人声、音乐声交织成宏大的交响。突然，警局接到一封匿名信：有人要在音乐节上搞破坏，还不止一个人。“多目标追踪联盟”火速集结：他们擅长在人群中盯梢，每一个侦探都有独特的本领。今天，他们
  • 【图像处理入门】10. 计算机视觉基础：从人脸识别到文档矫正 小米玄戒Andrew 图像处理：从入门到专家图像处理计算机视觉人工智能CV算法opencvpython
    摘要本文聚焦计算机视觉经典应用场景，带你实现人脸识别、文档扫描矫正和目标跟踪三大项目。通过Haar级联分类器、透视变换、CamShift算法等技术，结合OpenCV实战代码，掌握从特征检测到图像几何变换的完整流程，将图像处理知识升级为计算机视觉工程能力。一、项目1：基于Haar级联的人脸识别系统1.技术原理Haar级联分类器通过级联多个简单的Haar特征强分类器，快速检测图像中的目标（如人脸）。核
  • 基于YOLOv8的人脸识别与跟踪系统设计与实现 YOLO实战营 YOLOui目标检测目标跟踪深度学习
    1.项目背景与意义随着智能安防、智能监控、人机交互等领域的快速发展，人脸识别与跟踪技术受到了广泛关注。它不仅在安防监控系统中用于身份认证与异常检测，也在智能门禁、自动考勤和营销系统中发挥重要作用。传统的人脸检测多依赖Haar级联或基于特征的检测方法，准确率和鲁棒性有限。深度学习方法，尤其是YOLOv8等先进目标检测框架，实现了实时且高准确度的人脸检测。同时，结合人脸识别（身份验证）和多目标跟踪，可
  • OpenCV Video 模块使用指南（Python 版） ice_junjun OpenCVopencvpython人工智能
    一、模块概述video模块是OpenCV的视频分析核心，提供以下核心功能：背景建模：运动检测（MOG2/KNN背景减除）光流法：物体运动估计（LK金字塔光流）目标跟踪：单目标/多目标跟踪（KCF、MOSSE等算法）视频分析：运动轨迹提取、异常行为检测二、核心功能详解与实战1.背景减除（运动检测）1.1算法对比算法名称特点适用场景核心参数示例代码MOG2混合高斯模型，自适应学习率室内外场景（如监控视
  • 多假设跟踪关联目标进行数据匹配 ytttr873 算法
    多假设跟踪（MultipleHypothesisTracking,MHT）是一种强大的数据关联方法，广泛应用于目标跟踪、数据匹配等领域。它通过同时考虑多个假设来解决目标关联问题，能够有效处理目标数量变化、目标交叉、遮挡以及噪声干扰等情况。1.多假设跟踪（MHT）的基本原理1.1数据关联问题在目标跟踪和数据匹配中，数据关联是一个核心问题。简单来说，我们需要将传感器观测到的数据（如雷达回波、摄像头图像
  • 深度学习篇---OC-SORT实际应用效果 Ronin-Lotus 深度学习篇上位机知识篇深度学习pythonOC-SROT
    OC-SORT算法在实际应用中的效果可从准确性、鲁棒性、效率三个核心维度评估，其表现与传统多目标跟踪算法（如SORT、DeepSORT）相比有显著提升，尤其在复杂场景中优势突出。以下是具体分析：一、准确性：目标关联更可靠1.遮挡场景下的ID保持能力优势表现：传统算法（如SORT）依赖卡尔曼滤波预测目标位置，当目标长时间遮挡时，预测误差会累积导致轨迹丢失或ID切换。OC-SORT通过以观测为中心的恢
  • 多目标跟踪笔记2023 AI算法网奇 数据结构与算法目标跟踪笔记人工智能
    目录cvpr2023多目标跟踪算法汇总：MixFormerV2ovtrack模型284MMotionTrackFocusOnDetails:OnlineMulti-objectTrackingwithDiverseFine-grainedRepresentation1、摘要2、方法Observation-CentricSORT:RethinkingSORTforRobustMulti-Object
  • 毕设--基于Flask的智能个人财务管理系统 做科研的狗 flaskpython后端毕设毕业设计scikit-learn
    本文旨在探讨基于Flask框架的智能个人财务管理系统的设计与实现，该系统旨在帮助用户更好地管理个人财务，提供一系列便捷且实用的功能。系统的主要功能包括用户注册与登录、收支管理、预算制定与管理、财务分析与报告、资产管理、财务目标跟踪、数据导入与导出、以及管理员管理功能等。从技术层面来看，前端将采用Vue框架以提升用户界面的交互体验，后端则选用Python语言结合Flask框架进行开发，数据库方面计划
  • 基于中心点预测的视觉评估与可视化流程 视觉AI 目标检测+轨迹预测目标跟踪算法人工智能计算机视觉数据结构算法
    基于中心点预测的视觉评估与可视化流程基于中心点预测的视觉评估与可视化流程一、脚本功能概览二、可视化与评分机制详解1.真实框解析2.调用模型处理帧3.预测中心点与真实值的对比4.打分策略5.图像可视化三、目录结构要求四、运行方式五、应用场景与拓展思路六、总结七，完整代码基于中心点预测的视觉评估与可视化流程在图像或视频目标跟踪任务中，我们经常需要评估预测中心点与真实中心点之间的差异，以衡量模型的精度和
  • 基于BoxMOT的目标检测与跟踪全流程详解 Hi20240217 学习环境搭建目标检测人工智能计算机视觉
    基于BoxMOT的目标检测与跟踪全流程详解一、技术背景与应用场景二、环境搭建2.1Docker容器配置2.2目录结构规划三、关键资源准备3.1数据集选择3.2模型选择3.3视频素材准备四、核心组件安装4.1基础组件安装4.2OpenCV定制编译4.3下载BoxMOT框架,配置环境变量五、目标跟踪实战演示六、性能评估七、参考链接一、技术背景与应用场景目标检测与跟踪是计算机视觉领域的核心技术，广泛应用
  • KMeans, KNN, Meanshift 机器灵 基础算法理论KMeansKNNMeanshift
    这三个玩意，因为要么带K，要么带Mean，所以吗，放在一起介绍一下：Meanshift因为我本身是图像处理出身，最早接触的是Meanshift，其经常用于图像分割，目标跟踪等方面，下面首先说一下Meanshift:算法步骤：在未被标记的数据点中随机选择一个点作为起始中心点center；找出以center为中心半径为radius的区域中出现的所有数据点，认为这些点同属于一个聚类C。同时在该聚类中记录
  • 基于OpenCV的物体跟踪：CSRT算法 知舟不叙 opencv算法人工智能物体跟踪
    文章目录引言一、系统概述二、CSRT算法简介三、核心代码解析1.初始化跟踪器和摄像头2.主循环结构3.目标选择与跟踪初始化4.目标跟踪与结果显示5.资源释放四、系统使用说明五、完整代码六、总结引言目标跟踪是计算机视觉领域的重要应用之一，广泛应用于视频监控、人机交互、增强现实等领域。本文将介绍如何使用OpenCV中的CSRT跟踪器实现一个简单的实时目标跟踪系统，通过摄像头捕获视频流并对用户选定的目标
  • 粒子滤波器解读 DuHz 人工智能神经网络深度学习机器学习信号处理信息与通信
    粒子滤波器解读引言粒子滤波器是一种强大的非线性滤波技术，用于估计动态系统的状态。与卡尔曼滤波器不同，粒子滤波器可以处理任意的非线性性和非高斯性，这使其在机器人定位、目标跟踪、计算机视觉等领域得到广泛应用。基本概念粒子滤波器的核心思想是使用一组加权样本（称为"粒子"）来近似目标状态的后验概率分布。每个粒子代表状态空间中的一个可能状态，而其权重则表示该状态的可能性或概率。想象在一个迷雾中的森林里寻找宝
  • opencv学习:光流估计及完整代码实现 夜清寒风 学习计算机视觉opencv人工智能
    光流估计是什么？是空间运动物体在观测成像平面上的像素运动的“瞬时速度”，根据各个像素点的速度矢量特征，可以对图像进行动态分析，例如目标跟踪。基本原理（1）亮度恒定：同一点随着时间的变化，其亮度不会发生改变。（2）小运动：随着时间的变化不会引起位置的剧烈变化，只有小运动情况下才能用前后帧之间单位位置变化引起的灰度变化去近似灰度对位置的偏导数。（3）空间一致：一个场景上邻近的点投影到图像上也是邻近点，
  • 无人机视觉：连接像素与现实世界 —— 像素与GPS坐标双向转换指南 Lunar* 算法与优化无人机
    在无人机航拍应用中，一个核心的需求是将图像上的某个点与现实世界中的地理位置精确对应起来。无论是目标跟踪、地图测绘还是农情监测，理解图像像素与其对应的经纬度（GPS坐标）之间的关系至关重要。本文将详细介绍如何实现单个像素坐标到GPS坐标的双向转换，并提供基于Python的实现思路。核心问题像素坐标->GPS坐标：已知图像上一个点的像素坐标(u,v)，以及拍摄时无人机的状态（位置、姿态、相机参数），如
  • 深入理解与实现GM-PHD滤波算法：C++应用指南 快撑死的鱼 算法杂谈C++（C语言）算法大揭秘算法c++开发语言
    前言多目标跟踪（Multi-TargetTracking,MTT）是自动驾驶、雷达系统、机器人视觉等领域中的重要技术。高斯混合概率假设密度（GaussianMixtureProbabilityHypothesisDensity,GM-PHD）滤波器作为一种有效的多目标跟踪算法，因其能够在处理杂波和新生目标时表现出色而广受关注。本文将详细介绍GM-PHD滤波算法，并通过C++代码示例展示其实现。希望
  • 计算机视觉笔记 第三章：目标检测 唐风绸繆 计算机视觉人工智能计算机视觉目标检测视觉检测
    计算机视觉笔记：第一章图像分类-CSDN博客计算机视觉笔记第二章图像语义分割-CSDN博客计算机视觉笔记第三章：目标检测-CSDN博客计算机视觉第四章：图像识别、目标跟踪-CSDN博客计算机视觉第五章多目视觉（立体视觉）-CSDN博客标定图像中目标的位置，并给出目标的类别目标检测和语义分割的区别：语义分割：包含低层的像素级别的处理方法，也包含高层的语义级别的处理方法目标检测：基本都是高层的语义级别
  • YOLO学习笔记 ｜ YOLOv8与卡尔曼滤波实现目标跟踪与预测（附代码） 单北斗SLAMer YOLO学习从零到1目标检测目标跟踪YOLOpython
    YOLOv8与卡尔曼滤波实现目标跟踪与预测一、原理与公式二、分模块代码实现1.**卡尔曼滤波模块**2.**目标检测模块（YOLOv8）**3.**跟踪器模块（SORT算法）**4.**主程序流程**三、关键优化点四、匈牙利算法原理与公式五、Python代码实现1.**基础版匈牙利算法（手动实现）**2.**优化版（基于`scipy`库）**六、在目标跟踪中的应用示例1.**代价矩阵计算（IOU）
  • 目标检测YOLO实战应用案例100讲- 无人机平台下露天目标检测与计数 林聪木 目标检测YOLO无人机
    目录知识储备基于YOLOv8改进的无人机露天目标检测与计数一、环境配置与依赖安装二、核心代码实现（带详细注释）1.改进YOLOv8模型定义（添加注意力机制）2.无人机视角数据增强（drone_augment.py）3.多目标跟踪与计数（tracking_counter.py）4.完整推理流程（main.py）三、关键技术优化点四、数据集配置示例前言目标检测算法研究现状分析基于检测方法的目标计数研究
  • BoxMOT：Yolov8+多目标跟踪方案_笔记1 山山而川_R 视觉大模型_1YOLO
    代码地址：boxmot一、安装环境1、condacreate-ntrackpython==3.10-ycondaactivatetrack二、boxmot安装安装以linux系统为例，假定该系统已经安装有python>=3.8,且建立好虚拟环境。将boxmot安装到yolo_tracking目录：gitclonehttps://github.com/mikel-brostrom/yolo_trac
  • Windows下创建MOT15数据集的符号链接显示“设备不支持符号链接。”的问题 编程绿豆侠 windows深度学习目标跟踪
    写在前面最近在做目标跟踪的项目，然后我想从最基本的SORT算法开始做起，在下载完项目代码，准备看看视频的跟踪效果时，发现需要下载MOT15数据集，按照官方的说明，需要在下载并解压MOT15数据集后创建一个符号链接，如下所示。上面这个是linux环境下的命令，我参考了这篇博文，尝试在Windows环境下创建符号链接，然后出现如下报错：原因我在上网查询资料的时候发现SORT算法的github中有人提出
  • apache ftpserver-CentOS config gengzg apache
    <server xmlns="http://mina.apache.org/ftpserver/spring/v1" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation=" http://mina.apache.o
  • 优化MySQL数据库性能的八种方法 AILIKES sqlmysql
    1、选取最适用的字段属性 　　MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快。因此，在创建表的时候，为了获得更好的 性能，我们可以将表中字段的宽度设得尽可能小。例如，在定义邮政编码这个字段时，如果将其设置为CHAR(255),显然给数据库增加了不必要的空间，甚至使用VARCHAR这种类型也是多余的，因为CHAR(6)就可以很
  • JeeSite 企业信息化快速开发平台 Kai_Ge JeeSite
    JeeSite 企业信息化快速开发平台 平台简介 JeeSite是基于多个优秀的开源项目，高度整合封装而成的高效，高性能，强安全性的开源Java EE快速开发平台。 JeeSite本身是以Spring Framework为核心容器，Spring MVC为模型视图控制器，MyBatis为数据访问层， Apache Shiro为权限授权层，Ehcahe对常用数据进行缓存，Activit为工作流
  • 通过Spring Mail Api发送邮件 120153216 邮件main
    原文地址：http://www.open-open.com/lib/view/open1346857871615.html 使用Java Mail API来发送邮件也很容易实现，但是最近公司一个同事封装的邮件API实在让我无法接受，于是便打算改用Spring Mail API来发送邮件，顺便记录下这篇文章。 【Spring Mail API】 Spring Mail API都在org.spri
  • Pysvn 程序员使用指南 2002wmj SVN
    源文件:http://ju.outofmemory.cn/entry/35762 这是一篇关于pysvn模块的指南. 完整和详细的API请参考 http://pysvn.tigris.org/docs/pysvn_prog_ref.html. pysvn是操作Subversion版本控制的Python接口模块. 这个API接口可以管理一个工作副本, 查询档案库, 和同步两个. 该
  • 在SQLSERVER中查找被阻塞和正在被阻塞的SQL 357029540 SQL Server
    SELECT  R.session_id AS BlockedSessionID ,          S.session_id AS BlockingSessionID ,          Q1.text AS Block
  • Intent 常用的用法备忘 7454103 .netandroidGoogleBlogF#
    Intent     应该算是Android中特有的东西。你可以在Intent中指定程序 要执行的动作（比如：view,edit,dial），以及程序执行到该动作时所需要的资料 。都指定好后，只要调用startActivity()，Android系统 会自动寻找最符合你指定要求的应用 程序，并执行该程序。 下面列出几种Intent 的用法 显示网页:
  • Spring定时器时间配置 adminjun spring时间配置定时器
    红圈中的值由6个数字组成，中间用空格分隔。第一个数字表示定时任务执行时间的秒，第二个数字表示分钟，第三个数字表示小时，后面三个数字表示日，月，年，< xmlnamespace prefix ="o" ns ="urn:schemas-microsoft-com:office:office" /> 测试的时候，由于是每天定时执行，所以后面三个数
  • POJ 2421 Constructing Roads 最小生成树 aijuans 最小生成树
    来源：http://poj.org/problem?id=2421 题意：还是给你n个点，然后求最小生成树。特殊之处在于有一些点之间已经连上了边。 思路：对于已经有边的点，特殊标记一下，加边的时候把这些边的权值赋值为0即可。这样就可以既保证这些边一定存在，又保证了所求的结果正确。 代码： #include <iostream> #include <cstdio>
  • 重构笔记——提取方法（Extract Method） ayaoxinchao java重构提炼函数局部变量提取方法
    提取方法（Extract Method）是最常用的重构手法之一。当看到一个方法过长或者方法很难让人理解其意图的时候，这时候就可以用提取方法这种重构手法。   下面是我学习这个重构手法的笔记：   提取方法看起来好像仅仅是将被提取方法中的一段代码，放到目标方法中。其实，当方法足够复杂的时候，提取方法也会变得复杂。当然，如果提取方法这种重构手法无法进行时，就可能需要选择其他
  • 为UILabel添加点击事件 bewithme UILabel
        默认情况下UILabel是不支持点击事件的，网上查了查居然没有一个是完整的答案，现在我提供一个完整的代码。   UILabel *l = [[UILabel alloc] initWithFrame:CGRectMake(60, 0, listV.frame.size.width - 60, listV.frame.size.height)]
  • NoSQL数据库之Redis数据库管理(PHP-REDIS实例) bijian1013 redis数据库NoSQL
    一.redis.php <?php //实例化 $redis = new Redis(); //连接服务器 $redis->connect("localhost"); //授权 $redis->auth("lamplijie"); //相关操
  • SecureCRT使用备注 bingyingao secureCRT每页行数
    SecureCRT日志和卷屏行数设置 一、使用securecrt时，设置自动日志记录功能。 1、在C:\Program Files\SecureCRT\下新建一个文件夹(也就是你的CRT可执行文件的路径），命名为Logs； 2、点击Options -> Global Options -> Default Session -> Edite Default Sett
  • 【Scala九】Scala核心三：泛型 bit1129 scala
    泛型类 package spark.examples.scala.generics class GenericClass[K, V](val k: K, val v: V) { def print() { println(k + "," + v) } } object GenericClass { def main(args: Arr
  • 素数与音乐 bookjovi 素数数学haskell
        由于一直在看haskell，不可避免的接触到了很多数学知识，其中数论最多，如素数，斐波那契数列等，很多在学生时代无法理解的数学现在似乎也能领悟到那么一点。     闲暇之余，从图书馆找了<<The music of primes>>和<<世界数学通史>>读了几遍。其中素数的音乐这本书与软件界熟知的&l
  • Java-Collections Framework学习与总结-IdentityHashMap BrokenDreams Collections
            这篇总结一下java.util.IdentityHashMap。从类名上可以猜到，这个类本质应该还是一个散列表，只是前面有Identity修饰，是一种特殊的HashMap。         简单的说，IdentityHashMap和HashM
  • 读《研磨设计模式》-代码笔记-享元模式-Flyweight 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.Collection; import java.util.HashMap; import java.util.List; import java
  • PS人像润饰&调色教程集锦 cherishLC PS
      1、仿制图章沿轮廓润饰——柔化图像，凸显轮廓 http://www.howzhi.com/course/retouching/   新建一个透明图层，使用仿制图章不断Alt+鼠标左键选点，设置透明度为21%，大小为修饰区域的1/3左右（比如胳膊宽度的1/3），再沿纹理方向（比如胳膊方向）进行修饰。   所有修饰完成后，对该润饰图层添加噪声，噪声大小应该和
  • 更新多个字段的UPDATE语句 crabdave update
    更新多个字段的UPDATE语句                    update tableA a set (a.v1, a.v2, a.v3, a.v4) = --使用括号确定更新的字段范围
  • hive实例讲解实现in和not in子句 daizj hivenot inin
    本文转自：http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2842855.html 当前hive不支持 in或not in 中包含查询子句的语法，所以只能通过left join实现。 假设有一个登陆表login(当天登陆记录,只有一个uid),和一个用户注册表regusers(当天注册用户，字段只有一个uid)，这两个表都包含
  • 一道24点的10+种非人类解法（2,3,10,10） dsjt 算法
    这是人类算24点的方法？！！！ 事件缘由：今天晚上突然看到一条24点状态，当时惊为天人，这NM叫人啊？以下是那条状态 朱明西 : 24点，算2 3 10 10，我LX炮狗等面对四张牌痛不欲生，结果跑跑同学扫了一眼说，算出来了，2的10次方减10的3次方。。我草这是人类的算24点啊。。 然后么。。。我就在深夜很得瑟的问室友求室友算 刚出完题，文哥的暴走之旅开始了 5秒后
  • 关于YII的菜单插件 CMenu和面包末breadcrumbs路径管理插件的一些使用问题 dcj3sjt126com yiiframework
    在使用 YIi的路径管理工具时，发现了一个问题。                    <?php         
  • 对象与关系之间的矛盾：“阻抗失配”效应[转] come_for_dream 对象
    概述   “阻抗失配”这一词组通常用来描述面向对象应用向传统的关系数据库（RDBMS）存放数据时所遇到的数据表述不一致问题。C++程序员已经被这个问题困扰了好多年，而现在的Java程序员和其它面向对象开发人员也对这个问题深感头痛。   “阻抗失配”产生的原因是因为对象模型与关系模型之间缺乏固有的亲合力。“阻抗失配”所带来的问题包括：类的层次关系必须绑定为关系模式（将对象
  • 学习编程那点事 gcq511120594 编程互联网
    一年前的夏天，我还在纠结要不要改行，要不要去学php？能学到真本事吗？改行能成功吗？太多的问题，我终于不顾一切，下定决心，辞去了工作，来到传说中的帝都。老师给的乘车方式还算有效，很顺利的就到了学校，赶巧了，正好学校搬到了新校区。先安顿了下来，过了个轻松的周末，第一次到帝都，逛逛吧！ 接下来的周一，是我噩梦的开始，学习内容对我这个零基础的人来说，除了勉强完成老师布置的作业外，我已经没有时间和精力去
  • Reverse Linked List II hcx2013 list
    Reverse a linked list from position m to n. Do it in-place and in one-pass. For example:Given 1->2->3->4->5->NULL, m = 2 and n = 4, return 
  • Spring4.1新特性——页面自动化测试框架Spring MVC Test HtmlUnit简介 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
  • Hadoop集群工具distcp liyonghui160com
        1. 环境描述 两个集群：rock 和 stone rock无kerberos权限认证，stone有要求认证。 1. 从rock复制到stone，采用hdfs Hadoop distcp -i hdfs://rock-nn:8020/user/cxz/input hdfs://stone-nn:8020/user/cxz/运行在rock端，即源端问题：报版本
  • 一个备份MySQL数据库的简单Shell脚本 pda158 mysql脚本
    　　主脚本（用于备份mysql数据库）： 　　该Shell脚本可以自动备份 数据库。只要复制粘贴本脚本到文本编辑器中，输入数据库用户名、密码以及数据库名即可。我备份数据库使用的是mysqlump 命令。后面会对每行脚本命令进行说明。 　　 1. 分别建立目录“backup”和“oldbackup” 　　#mkdir /backup 　　#mkdir /oldbackup 　
  • 300个涵盖IT各方面的免费资源（中）——设计与编码篇 shoothao IT资源图标库图片库色彩板字体
    A. 免费的设计资源 Freebbble:来自于Dribbble的免费的高质量作品。 Dribbble:Dribbble上“免费”的搜索结果——这是巨大的宝藏。 Graphic Burger:每个像素点都做得很细的绝佳的设计资源。 Pixel Buddha:免费和优质资源的专业社区。 Premium Pixels:为那些有创意的人提供免费的素材。
  • thrift总结 - 跨语言服务开发 uule thrift
    官网 官网JAVA例子 thrift入门介绍 IBM-Apache Thrift - 可伸缩的跨语言服务开发框架 Thrift入门及Java实例演示 thrift的使用介绍   RPC    POM： <dependency> <groupId>org.apache.thrift</groupId>
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他