*Major*
*Major*

CenterNet

  • CenterNet-Model(pytorch版本)
  • 1.一 论文导读
  • 2.二 论文精读
  • 3.三 代码实现
  • 4.四 问题思索

《CenterNet:Keypoint Triplets for Object Detection》

收录会议及时间：CVPR 2019

补充： 19年单阶段目标检测器效果最好的算法

一 论文导读

一 背景

  1. CornerNet,2018年收录于ECCV
  2. CornerNet提出了一种anchor free的方法，通过寻找左上和右下两点来确定框的位置
  3. CenterNet，2019收录于CVPR
  4. CenterNet在CornerNet基础上添加了中心点，进一步优化了CornerNet
  5. 主要解决了CornerNet会生成大量错误预选框的问题
  6. 目前是单阶段目标检测器效果最好的算法
  7. CenterNet:Objects as Points

二 论文精读

三 代码实现

四 问题思索

你可能感兴趣的:(CenterNet)

  • Windows环境搭建CenterNet dvlee1024
    Github上搜了一下，发现CenterNet关注量最多的就是下面的实现，其实就是原作者的实现https://github.com/xingyizhou/CenterNet建议使用linux环境搭建，在这篇文章讲述windows环境搭建时遇到的问题。文章原文我使用的环境是Win10+Pytorch1.2.0+torchvision0.4.0+Cuda10.1关于Cuda的安装可以看我的另一篇博文步
  • 目标检测-One Stage-YOLOx 学海一叶 目标检测目标检测人工智能计算机视觉YOLO深度学习
    文章目录前言一、YOLOx的网络结构和流程1.YOLOx的不同版本2.Yolox-Darknet53YOLOv3baselineYolox-Darknet533.Yolox-s/Yolox-m/Yolox-l/Yolox-x4.Yolox-Nano/Yolox-Tiny二、YOLOx的创新点总结前言根据前文CenterNet、YOLOv4等可以看出学界和工业界都在积极探索使用各种tricks（an
  • 目标检测YOLO实战应用案例100讲-多目标检测及追踪（续） 林聪木 目标检测YOLO目标跟踪
    目录3.3改进CenterNet网络（Improved-CenterNet）3.3.1多特征融合模块的设计3.3.2DCN模块设计
  • 目标检测-One Stage-CenterNet 学海一叶 目标检测目标检测目标跟踪人工智能计算机视觉深度学习
    文章目录前言一、CenterNet的网络结构和流程二、CenterNet的创新点总结前言前文提到的YOLOv3、YOLOv4、YOLOv5都是基于Anchor的算法（anchor-based），这类算法有如下缺点：产生大量的预测框，计算量大正负样本不平衡问题：产生的预测框大部分是负样本对预定义anchor依赖：anchor-based方法的anchorbox的尺度是一个超参数，不同的超参设置会影响
  • 基于MMDet3D的pointpillars和centernet推理（mmdet3d v1.0 rc） 一只糊涂虫儿 3dpytorch深度学习
    文章目录mmdetection3D学习文档安装环境方法一方法二（我没用）验证通过点云样例程序来验证数据预处理KITTI数据集预处理NuScenes数据集预处理使用已有模型在标准数据集上进行推理和训练在标准数据集上训练预定义模型在KITTI数据集上训练pointpillars准备数据集训练在NuScenes数据集上训练pointpillars准备数据集训练centerpoint实现mmdetecti
  • 库位角点检测之Centernet/CornerNet算法 scott198512 深度学习深度学习pytorch人工智能
    1.CornerNetCornerNet那么我们从boundingbox左上角(top-leftcorner)看物体。视线横着的话，物体就在视线的下面（那么视线所在位置为thetopmostboundaryofanobject）。视线竖着的话，物体就在视线的右边，那么视线位置为theleftmostboundary。我们每次都将沿着图中箭头方向上已遇到的最大的值作为填充值即可快速实现cornerp
  • 仿射变换--getAffineTransform和wrapAffine lqjun0827 python算法计算机视觉图像处理
    仿射变换--getAffineTransform和wrapAffine介绍示例代码介绍官网使用介绍：AffineTransformationsgetAffineTransformwrapAffine构建仿射变换矩阵，需要传入原始3个点和目标3个点：示例代码以下代码摘自CenterNet，使用cv2实现获取仿射变换矩阵:importcv2#获取第三个点defget_3rd_point(a,b):di
  • [卷积神经网络]FCOS--仅使用卷积的Anchor Free目标检测 ViperL1 神经网络学习笔记cnn目标检测人工智能
    项目源码：FCOShttps://github.com/tianzhi0549/FCOS/一、概述作为一种AnchorFree的目标检测网络，FCOS并不依赖锚框，这点类似于YOLOx和CenterNet，但CenterNet的思路是寻找目标的中心点，而FCOS则是寻找每个像素点，这点更类似语义分割。本文的主要贡献总结起来有以下两个：①将目标检测任务与语义分割任务统一起来，是的模型可以更简单的扩展
  • 目标检测 pytorch复现CenterNet目标检测项目 郭庆汝 机器学习python人工智能CenterNet
    目标检测pytorch复现CenterNet目标检测项目1、项目创新点2、CenterNet网络结构3、CenterNet的模型计算流程如下：4、详细实现原理4.1、heatmap(热力图)理解和生成4.1.1heatmap生成4.1.2heatmap高斯函数半径的确定4.1.3CenterNet中生成高斯核的部分代码进行解析：5、预处理数据增强6、损失函数7、pytorch复现CenterNet
  • [论文阅读]Multimodal Virtual Point 3D Detection 一朵小红花HH 多模态三维目标检测论文阅读3d人工智能网络1024程序员节计算机视觉深度学习
    MultimodalVirtualPoint3DDetection多模态虚拟点3D检测论文网址：MVP论文代码：MVP论文简读方法MVP方法的核心思想是将RGB图像中的2D检测结果转换为虚拟的3D点，并将这些虚拟点与原始的Lidar点云合并。具体步骤如下：(1)使用2D检测器(如CenterNet)在RGB图像中检测物体。(2)将检测到的物体掩模投影到Lidar点云中，创建与物体相关的点云子集。(
  • 环境感知算法——2.CenterNet基于KITTI数据集训练 Augenstern-YaoYao 智能驾驶的环境感知算法深度学习计算机视觉机器学习
    1.CenterNet简介CenterNet采用了一种新的检测思路，即以目标中心点为基础，直接回归出目标的位置和大小。而传统的目标检测算法通常会先产生大量候选框（Anchor），再通过分类器进行筛选，这种方法比较复杂。CenterNet在准确率上比传统算法更好。相对于传统算法，CenterNet有更快的速度，因为其采用端到端模型，没有二阶段修正，因此可以更快地进行目标检测。其AP精度相较YOLO与
  • 2023 flag 锦鲤少年丶 3D感知2023年度进度算法
    1.Centerpoint代码解析，以及mmdetection3d学习。知识星球3D目标检测pointnet学习资料PCL点云库3D感知NLP学习资源主线1进展:Centerpoint源码1Centerpoint源码2Kitti数据集Centerpoint解读10105一刷~~3D版CenterNet:CenterPoint，小修小改也能刷爆榜单~~0105】Centerpoint原文Center
  • CenterNet 数据加载解析 pprpp
    本文主要解读CenterNet如何加载数据，并将标注信息转化为CenterNet规定的高斯分布的形式。1.YOLOv3和CenterNet流程对比CenterNet和Anchor-Based的方法不同，以YOLOv3为例，大致梳理一下模型的框架和数据处理流程。YOLOv3是一个经典的单阶段的目标检测算法，图片进入网络的流程如下：对图片进行resize，长和宽都要是32的倍数。图片经过网络的特征提取
  • CenterNet网络精读与分析 LucasJin
    近期CVPR2019的最新论文CenterNet在一篇文章中就提出了一个能够解决目标检测、姿态检测、3D单目检测的掉炸天网络，一时间激起来了千层波浪。这几乎是未来目标检测一个全新的领域，或者说摈弃了一样老旧的目标检测思路，开始了一个新的纪元。让我们来看一下这篇论文能够做的：image.png首先速度很快。image.png几乎是一个全能的网络。但是在这绚丽的表面背后，我们来窥探一下它的内部运作原理
  • 【面试题】2023虹软计算机视觉一面 深度之眼 人工智能干货人工智能计算机视觉目标检测
    来源：投稿作者：LSC编辑：学姐1.自我介绍2.介绍了自己的项目，并提问项目，讲了30分钟3.介绍centernet，它和其他目标检测模型有什么区别4.介绍yolov55.介绍focalloss6.双线性插值和最近邻插值的区别7.手写NMSdef iou(boxes, i, j):    ax1, ay1, ax2, ay2 = boxes[i][1:5]    bx1, by1, bx2, by
  • 单目图像3D检测内容说明 yuyijie_1995 3d检测
    文章目录数据部分label部分calib部分yolo3DDeep3Dbox解决什么问题本文创新点核心思想目标MultiBinloss3D到2D影射的要求训练和损失姿态估计（求解T矩阵）推导过程上面整个转换过程的代码centernet3D检测部分数据部分label部分参考链接一般都是使用kitti来作为数据训练和测试16个数代表的含义：第1个字符串：代表物体类别‘Car’,‘Van’,‘Truck’
  • 实现CenterNet图像分割算法模型的转换和量化（SDK0301-转ONNX编译） 算能开发者社区 算法
    一、实现CenterNet图像分割算法模型的转换和量化（SDK0301-转ONNX编译）1、模型转换（1）下载CenterNet算法移植代码：$gitclonehttps://github.com/sophon-ai-algo/examples.git#CenterNet示例项目代码位置/examples/simple/centernet$cdexamples/simple/centernet获取
  • 浅析目标检测入门算法：YOLOv1,SSD,YOLOv2,YOLOv3,CenterNet,EfficientDet,YOLOv4 德彪稳坐倒骑驴 目标检测人工智能计算机视觉YOLO深度学习
    本文致力于让读者对以下这些模型的创新点和设计思想有一个大体的认识，从而知晓YOLOv1到YOLOv4的发展源流和历史演进，进而对目标检测技术有更为宏观和深入的认知。本文讲解的模型包括：YOLOv1,SSD,YOLOv2,YOLOv3,CenterNet,EfficientDet,YOLOv4。R-CNN候选区域SPP-Net和R-CNN最大区别是什么？先提取特征，再对候选区域做处理？FastR-C
  • 机器学习笔记 - 对象/目标检测技术发展史概览 坐望云起 机器学习计算机视觉机器学习目标检测少样本对象检测TransformerNMS多模态
    一、简述物体检测算法的发展已经取得了长足的进步，从早期的计算机视觉开始，通过深度学习达到了很高的准确度。我们首先回顾早期传统的目标检测方法：Viola-Jones检测器、HOG检测器和基于部件的方法，它们在该领域发展之初就被广泛使用。然后，逐渐转向基于两阶段和一阶段目标检测神经网络的更现代的深度学习目标检测方法：RCNN、YOLO、SSD和CenterNet。这些方法提供了一种端到端的架构，允许算
  • MMdetection在VisDrone2019上训练FCOS和CenterNet 德彪稳坐倒骑驴 人工智能深度学习
    配置环境Python3.5+>=PyTorch1.1>=CUDA9.0NCCL2>=GCC4.9mmcv‘’把mmdetection的代码下载下来gitclonehttps://github.com/open-mmlab/mmdetection.git进入这个mmdetection文件,准备编译mmdetection的文件cdmmdetection装一下下面这些包，#mmdetection的req
  • 【Paper Reading】CenterNet：Keypoint Triplets for Object Detection UpCoderXH 论文阅读深度学习目标检测CenterNetCornerNet
    背景首先是借鉴CornerNet表述了一下基于Anchor方法的不足：anchor的大小/比例需要人工来确认anchor并没有完全和gt的bbox对齐，不利于分类任务。但是CornerNet也有自己的缺点CornerNet只预测了top-left和bottom-right两个点，并没有关注整体的信息，因此缺少一些全局的信息上述的点导致它对边界过于敏感，经常会预测一些错误的bbox。为了解决该问题，
  • 目标检测算法：anchor_free系列解读 自学小白菜 CV论文解读目标检测算法人工智能
    目标检测算法：anchor_free解读说明anchorfree系列是单阶段检测算法另外的一个发展分支，了解anchorfree常见的算法是非常有必要的。免责申明有误写/错写/错误观点/错误解读，或者大家有其它见解，都可以在评论区指出，博主会认真学习的。原始论文下载链接CornerNet、CenterNet、FCOS。目录结构文章目录目标检测算法：anchor_free解读1.基础认知1.1什么是
  • CenterNet在Ubuntu20.04，PyTorch1.5，CUDA10.2的安装 A91A981E 深度学习pytorch深度学习目标检测
    写在前面最近需要搞一个目标检测加上特征提取的小项目，找方法的时候看到了CenterNet这个网络模型，论文里的图表表现出CenterNet性能完虐YOLOv3，如下图看着还是非常诱惑的，所以试试用这个。论文里也给了官方代码，但是还是有不少问题。本机环境从整个配置过程来看，主要问题集中在DCNv2这个网络的编译上。经过不少的尝试，最终在我的环境下编译成功：PyTorch1.5CUDA10.2g++7
  • FSAF for Single-Shot Object Detection（CVPR） Congc_fdd6
    之前介绍了一篇基于关键点的Anchor-Free:CenterNet。其实这种Anchor-Free只是将锚框换成锚点。并没有真正去除anchor。今天介绍的一篇CVPR2019的FSAF真正的是没有anchor这一概念。但是在最后作者做一些实验的时候，仍然把anhor-based模块加入进去并且做了一些loss函数优化的trick，个人觉得有些许耍赖皮。但是不妨碍这篇文章的思想牛掰！效果图这篇文
  • CenterNet Objects as Points 论文学习 calvinpaean Mono3D3d
    论文链接：ObjectsasPoints1.解决了什么问题？目标检测的任务是从图像中检出目标的矩形框。现有的检测方法大多会穷举所有潜在的目标位置，然后做分类。这非常浪费资源、低效率，并且依赖后处理。单阶段方法会在图像上放置大量的anchors，然后直接分类。双阶段方法则会对候选边框的特征进行二次计算，做分类。然后这些方法计算IoU，通过NMS后处理去除冗余的预测框。这类后处理操作是不可微的，训练起
  • 多方向遥感目标检测模型源码 Alchemist Notes 工程《遥感图像处理》解决方案
    开源算法：https://github.com/ming71/rotate-yolov3https://github.com/DetectionTeamUCAS/RetinaNet_Tensorflow_Rotationhttps://github.com/ZeroE04/R-CenterNet常用方法：（1）角度回归（2）长边定义（3）有序四边目前主要模型：2017RRPN华科2017EAST旷
  • 目标检测 | Anchor free之CenterNet深度解析 小白学视觉 定位计算机视觉机器学习人工智能深度学习
    点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达1前言本文接着上一讲对CornerNet的网络结构和损失函数的解析,链接如下https://zhuanlan.zhihu.com/p/188587434https://zhuanlan.zhihu.com/p/195517472本文来聊一聊Anchor-Free领域耳熟能详的CenterNet。原论文名为《ObjectsasPo
  • Anchor-Free之CenterNet NOWAY_EXPLORER 目标检测cv深度学习计算机视觉神经网络图像识别1024程序员节
    CenterNetCenterNet顾名思义，是基于中心点的目标检测方法，相对于cornernet和FCOS更加简单直接。论文标题也是很霸气“ObjectsasPoints”相对于其他基于关键点检测的方法例如extremNet和cornerNet，CenterNet去除了角点分类等一些后处理步骤，使得模型推理速度得到了进一步的提升.不仅用于2D目标检测还可以用来做人体姿态估计或这3D目标检测数据方
  • Anchor-Free 网络笔记 mumuxi_c 深度学习网络卷积神经网络深度学习计算机视觉笔记
    Fcos与CenterNet网络记录Fcos图片转自https://blog.csdn.net/qq_37541097/article/details/124844726Fcos后处理输出centernessregressionclassification代表reg(HxWX1)box(HxWx4)cls(HxWxcls)centerness+regression同分支输出7次下采样计算边框得分b
  • anchor-free方法总结 HPUPUPUP 深度学习神经网络自动驾驶
    cornernet，centernet，onenet，fcos这几篇论文的引用关系（提出先后顺序）：将按照上面的顺序，从背景、标签分配等方面说明区别于联系。一、背景：Cornernet：认为使用anchor需要很多的超参数和手动设计选择，网络复杂。而且需要大数量的anchor来确保覆盖gtbox，导致正负样本不平衡，降低训练速度，于是提出不用anchor，将检测目标当做一对关键点（box的左上，右
  • Algorithm 香水浓 javaAlgorithm
    冒泡排序 public static void sort(Integer[] param) { for (int i = param.length - 1; i > 0; i--) { for (int j = 0; j < i; j++) { int current = param[j]; int next = param[j + 1];
  • mongoDB 复杂查询表达式 开窍的石头 mongodb
    1:count    Pg: db.user.find().count();    统计多少条数据 2:不等于$ne    Pg: db.user.find({_id:{$ne:3}},{name:1,sex:1,_id:0});    查询id不等于3的数据。 3：大于$gt $gte(大于等于) &n
  • Jboss Java heap space异常解决方法, jboss OutOfMemoryError : PermGen space 0624chenhong jvmjboss
    转自 http://blog.csdn.net/zou274/article/details/5552630 解决办法： window->preferences->java->installed jres->edit jre 把default vm arguments 的参数设为-Xms64m -Xmx512m ----------------
  • 文件上传 下载 解析 相对路径 不懂事的小屁孩 文件上传
    有点坑吧，弄这么一个简单的东西弄了一天多，身边还有大神指导着，网上各种百度着。 下面总结一下遇到的问题： 文件上传，在页面上传的时候，不要想着去操作绝对路径，浏览器会对客户端的信息进行保护，避免用户信息收到攻击。 在上传图片，或者文件时，使用form表单来操作。 前台通过form表单传输一个流到后台，而不是ajax传递参数到后台，代码如下: <form action=&
  • 怎么实现qq空间批量点赞 换个号韩国红果果 qq
    纯粹为了好玩！！ 逻辑很简单 1 打开浏览器console；输入以下代码。 先上添加赞的代码 var tools={}; //添加所有赞 function init(){ document.body.scrollTop=10000; setTimeout(function(){document.body.scrollTop=0;},2000);//加
  • 判断是否为中文 灵静志远 中文
    方法一： public class Zhidao { public static void main(String args[]) { String s = "sdf灭礌 kjl d{';\fdsjlk是"; int n=0; for(int i=0; i<s.length(); i++) { n = (int)s.charAt(i); if((
  • 一个电话面试后总结 a-john 面试
    今天，接了一个电话面试，对于还是初学者的我来说，紧张了半天。 面试的问题分了层次，对于一类问题，由简到难。自己觉得回答不好的地方作了一下总结：   在谈到集合类的时候，举几个常用的集合类，想都没想，直接说了list,map。   然后对list和map分别举几个类型：   list方面：ArrayList,LinkedList。在谈到他们的区别时，愣住了
  • MSSQL中Escape转义的使用 aijuans MSSQL
    IF OBJECT_ID('tempdb..#ABC') is not null drop table tempdb..#ABC create table #ABC ( PATHNAME NVARCHAR(50) ) insert into #ABC SELECT N'/ABCDEFGHI' UNION ALL SELECT N'/ABCDGAFGASASSDFA' UNION ALL
  • 一个简单的存储过程 asialee mysql存储过程构造数据批量插入
               今天要批量的生成一批测试数据，其中中间有部分数据是变化的，本来想写个程序来生成的，后来想到存储过程就可以搞定，所以随手写了一个，记录在此：            DELIMITER $$ DROP PROCEDURE IF EXISTS inse
  • annot convert from HomeFragment_1 to Fragment 百合不是茶 android导包错误
    创建了几个类继承Fragment, 需要将创建的类存储在ArrayList<Fragment>中; 出现不能将new 出来的对象放到队列中,原因很简单;     创建类时引入包是:import android.app.Fragment;      创建队列和对象时使用的包是:import android.support.v4.ap
  • Weblogic10两种修改端口的方法 bijian1013 weblogic端口号配置管理config.xml
    一.进入控制台进行修改    1.进入控制台:  http://127.0.0.1:7001/console     2.展开左边树菜单         域结构->环境->服务器-->点击AdminServer(管理) &
  • mysql 操作指令 征客丶 mysql
    一、连接mysql 进入 mysql 的安装目录； $ bin/mysql -p [host IP 如果是登录本地的mysql 可以不写 -p 直接 -u] -u [userName] -p 输入密码，回车，接连； 二、权限操作［如果你很了解mysql数据库后，你可以直接去修改系统表，然后用 mysql> flush privileges; 指令让权限生效］ 1、赋权 mys
  • 【Hive一】Hive入门 bit1129 hive
    Hive安装与配置 Hive的运行需要依赖于Hadoop，因此需要首先安装Hadoop2.5.2，并且Hive的启动前需要首先启动Hadoop。   Hive安装和配置的步骤   1. 从如下地址下载Hive0.14.0   http://mirror.bit.edu.cn/apache/hive/    2.解压hive，在系统变
  • ajax 三种提交请求的方法 BlueSkator Ajaxjqery
    1、ajax 提交请求 $.ajax({ type:"post", url : "${ctx}/front/Hotel/getAllHotelByAjax.do", dataType : "json", success : function(result) { try { for(v
  • mongodb开发环境下的搭建入门 braveCS 运维
      linux下安装mongodb 1）官网下载mongodb-linux-x86_64-rhel62-3.0.4.gz 2）linux 解压  gzip -d mongodb-linux-x86_64-rhel62-3.0.4.gz; mv mongodb-linux-x86_64-rhel62-3.0.4 mongodb-linux-x86_64-rhel62-
  • 编程之美-最短摘要的生成 bylijinnan java数据结构算法编程之美
    import java.util.HashMap; import java.util.Map; import java.util.Map.Entry; public class ShortestAbstract { /** * 编程之美 最短摘要的生成 * 扫描过程始终保持一个[pBegin,pEnd]的range,初始化确保[pBegin,pEnd]的ran
  • json数据解析及typeof chengxuyuancsdn jstypeofjson解析
    // json格式 var people='{"authors": [{"firstName": "AAA","lastName": "BBB"},' +' {"firstName": "CCC&
  • 流程系统设计的层次和目标 comsci 设计模式数据结构sql框架脚本
                                  流程系统设计的层次和目标  
  • RMAN List和report 命令 daizj oraclelistreportrman
    LIST 命令 使用RMAN LIST 命令显示有关资料档案库中记录的备份集、代理副本和映像副本的 信息。使用此命令可列出： • RMAN 资料档案库中状态不是AVAILABLE 的备份和副本 • 可用的且可以用于还原操作的数据文件备份和副本 • 备份集和副本，其中包含指定数据文件列表或指定表空间的备份 • 包含指定名称或范围的所有归档日志备份的备份集和副本 • 由标记、完成时间、可
  • 二叉树:红黑树 dieslrae 二叉树
        红黑树是一种自平衡的二叉树,它的查找,插入,删除操作时间复杂度皆为O(logN),不会出现普通二叉搜索树在最差情况时时间复杂度会变为O(N)的问题.     红黑树必须遵循红黑规则,规则如下     1、每个节点不是红就是黑。     2、根总是黑的  &
  • C语言homework3，7个小题目的代码 dcj3sjt126com c
    1、打印100以内的所有奇数。 # include <stdio.h> int main(void) { int i; for (i=1; i<=100; i++) { if (i%2 != 0) printf("%d ", i); } return 0; }  2、从键盘上输入10个整数，
  • 自定义按钮, 图片在上, 文字在下, 居中显示 dcj3sjt126com 自定义
    #import <UIKit/UIKit.h> @interface MyButton : UIButton -(void)setFrame:(CGRect)frame ImageName:(NSString*)imageName Target:(id)target Action:(SEL)action Title:(NSString*)title Font:(CGFloa
  • MySQL查询语句练习题，测试足够用了 flyvszhb sqlmysql
    http://blog.sina.com.cn/s/blog_767d65530101861c.html 1.创建student和score表 CREATE  TABLE  student ( id  INT(10)  NOT NULL  UNIQUE  PRIMARY KEY  , name  VARCHAR
  • 转：MyBatis Generator 详解 happyqing mybatis
      MyBatis Generator 详解 http://blog.csdn.net/isea533/article/details/42102297   MyBatis Generator详解 http://git.oschina.net/free/Mybatis_Utils/blob/master/MybatisGeneator/MybatisGeneator.
  • 让程序员少走弯路的14个忠告 jingjing0907 工作计划学习
      无论是谁，在刚进入某个领域之时，有再大的雄心壮志也敌不过眼前的迷茫：不知道应该怎么做，不知道应该做什么。下面是一名软件开发人员所学到的经验，希望能对大家有所帮助   1.不要害怕在工作中学习。 只要有电脑，就可以通过电子阅读器阅读报纸和大多数书籍。如果你只是做好自己的本职工作以及分配的任务，那是学不到很多东西的。如果你盲目地要求更多的工作，也是不可能提升自己的。放
  • nginx和NetScaler区别 流浪鱼 nginx
    NetScaler是一个完整的包含操作系统和应用交付功能的产品，Nginx并不包含操作系统，在处理连接方面，需要依赖于操作系统，所以在并发连接数方面和防DoS攻击方面，Nginx不具备优势。 2.易用性方面差别也比较大。Nginx对管理员的水平要求比较高，参数比较多，不确定性给运营带来隐患。在NetScaler常见的配置如健康检查，HA等，在Nginx上的配置的实现相对复杂。 3.策略灵活度方
  • 第11章 动画效果（下） onestopweb 动画
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • FAQ - SAP BW BO roadmap blueoxygen BOBW
    http://www.sdn.sap.com/irj/boc/business-objects-for-sap-faq   Besides, I care that how to integrate tightly.   By the way, for BW consultants, please just focus on Query Designer which i
  • 关于java堆内存溢出的几种情况 tomcat_oracle javajvmjdkthread
    【情况一】： 　　 java.lang.OutOfMemoryError: Java heap space：这种是java堆内存不够，一个原因是真不够，另一个原因是程序中有死循环； 　　如果是java堆内存不够的话，可以通过调整JVM下面的配置来解决： 　　<jvm-arg>-Xms3062m</jvm-arg> 　　<jvm-arg>-Xmx
  • Manifest.permission_group权限组 阿尔萨斯 Permission
    结构 继承关系 public static final class Manifest.permission_group extends Object java.lang.Object android. Manifest.permission_group 常量 ACCOUNTS 直接通过统计管理器访问管理的统计 COST_MONEY可以用来让用户花钱但不需要通过与他们直接牵涉的权限 D
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他