相信光的奥特王小懒
相信光的奥特王小懒

无人驾驶中常用的37个数据集以及每个数据集的亮点

打开检查的快捷键是ctrl+shift+i

  • 1.Automotive multi-sensor dataset
    https://goo.gl/1YbD5E
    亮点：全方位视觉数据，实现全方位环绕感测；包括冬季有雪的情况

  • 2.Apollo
    https://goo.gl/yy144b
    亮点：来自多个传感器的大量注释数据，适合深度学习和训练任务；支持开源项目

  • 3.Berkeley DeepDrive Video dataset
    https://goo.gl/24XNzG
    亮点：具有各种注释的大型驾驶视频数据集

  • 4.Caltech Pedestrian Detection Benchmark
    https://goo.gl/HB7e8P
    亮点：最大的行人数据集；行人注释；第一个在边界框和遮挡标签之间具有时间对应关系的数据集

  • 5.Cambridge-driving Labeled Video Database
    https://goo.gl/I2pbdP
    亮点：第一批带有对象类语义标签的视频；像素级注释

  • 6.CCSAD dataset
    https://goo.gl/pxr3Yc
    亮点：在发展中国家拍摄的立体声视频

  • 7.Cheddar Gorge Dataset
    亮点: 配备立体、单目和红外摄像头、V elodyne 64激光雷达、GPS/IMU等的多样化传感器。

  • 8.Cityscapes dataset
    https://goo.gl/qLM3V4
    亮点: 来自50个城市的立体声序列；用于语义城市场景理解的像素级注释；带有评估服务器的基准测试套件；一个新的数据集，有更好的人注释的基础

  • 9.CMU Visual Localization Dataset
    https://goo.gl/0R8XX6
    亮点: 各种天气和光照条件

  • 10.comma.ai driving dataset
    https://goo.gl/B3TWf2
    亮点: 高速公路交通场景

  • 11.Daimler Pedestrian Benchmarks
    https://goo.gl/l3U2Wc
    亮点：包含多个基准数据集，用于基于单目和立体图像的行人检测、分类、分割和路径预测；第一个数据集包含部分闭塞的行人；包括我们迄今为止遇到的唯一一个骑车人数据集

  • 12.Daimler Urban segmentation
    https://goo.gl/KRBCLa
    亮点:城市交通中的立体视觉序列；像素级语义类标注

  • 13.DIPLECS Autonomous Driving Datasets
    https://goo.gl/8isjeJ
    亮点: 包括两个关于公共道路的数据集，一个在英国，另一个在瑞典；逐帧标记速度和转向数据（第一个数据集）以及驾驶环境和驾驶员动作（第二个数据集）

  • 14.Dr(eye)ve
    https://goo.gl/45bwXr
    亮点：研究驱动力、眼睛注视和视觉显著性的第一个数据集

  • 15.EISATS
    https://goo.gl/ausKsL
    亮点: 包括多个带有立体视觉序列的数据集，用于比较立体视觉、光流、运动分析等的性能评估。

  • 16.Elektra
    https://goo.gl/GNNq0f
    亮点: 注释行人的各种图像；包括远红外图像

  • 17.ETH pedestrian dataset
    https://goo.gl/xXDTwI
    亮点: 在人满为患的市中心拍摄的立体图像，行人众多

  • 18.EuroCity Persons Dataset
    亮点: 在各种天气和光照条件下，城市交通中有大量带有人物注释的图像

  • 19.F ord Campus Vision and Lidar DataSet
    https://goo.gl/6ZkCpc
    亮点: 传感器设置多样化，包括高精度定位设备、多个激光雷达、全方位摄像头等；全面的软件支持

  • 20.German Traffic Sign Detection Benchmark
    https://goo.gl/FqaCJQ
    亮点: 德国有交通标志的静态图像

  • 21.HCI benchmark suite
    https://goo.gl/r5aRvv
    亮点: 一个用于城市自动驾驶的高精度立体和光流数据集，包含许多在同一条街上手动构建/执行的场景

  • 22.Heidelberg benchmarks
    https://goo.gl/6c2lAs
    亮点：与名为“强健视力挑战”的活动相关；提供具有挑战性的立体声和光流数据，例如雨点和飞雪

  • 23.Joint Attention for Autonomous Driving
    Dataset
    https://goo.gl/cXoPnp
    亮点: 注重行人和司机的共同关注，实现自动驾驶；为行人和车辆提供文本和行为注释

  • 24.KAIST multispectral pedestrian detection
    dataset
    https://goo.gl/Tpz512
    亮点：带行人注释的彩色热图像对对齐良好

  • 25.Karlsruhe Dataset: Labeled Objects
    https://goo.gl/5fk0js
    亮点：带有汽车和行人对象边界框的图像；甚至包括对象定向

  • 26.Karlsruhe Dataset: Stereo Video Sequences +
    rough GPS Poses
    https://goo.gl/V6Q7Vx
    亮点: 卡尔斯鲁厄的高质量立体声序列

  • 27.KITTI Vision Benchmark Suite (KITTI)
    https://goo.gl/cvSbGl
    亮点: 目前最负盛名的自动驾驶数据集；为立体视觉、光流、场景流、视觉里程计、SLAM、目标检测和跟踪、道路车道检测、语义分割的评估提供了许多优秀的基准

  • 28.Málaga Stereo and Laser Urban DataSet
    https://goo.gl/EdLHtW
    亮点：有据可查；全方位工具支持；主页上的留言板

  • 29.Mapillary Vistas Dataset
    https://goo.gl/1L4yj1
    亮点: 大量具有巨大地理多样性的图像，注释为66–129个对象类别，涵盖各种道路/天气/光照条件

  • 30.nuScenes数据集
    https://www.nuscenes.org/
    亮点: 自动驾驶汽车的整个传感器套件提供的第一个大规模数据

  • 31.Oxford robotcar dataset
    https://goo.gl/nJOQkq
    亮点：第一个数据集强调定期长期数据收集（一年以上），遵循预定义路线，以涵盖道路状况的长期变化

  • 32.Stanford track collection (Stanford)
    https://goo.gl/KNOYpX
    亮点：带对象标签和GPS/IMU数据的V elodyne 64点云

  • 33.Ground Truth Stixel Dataset (Stixel)
    https://goo.gl/rf12z6
    亮点: 高速公路上下大雨；像素注释

  • 34.TorontoCity benchmark
    亮点：具有广泛视图的数据，用于映射、重建和语义标记

  • 35.TrafficNet
    http://traffic-net.org
    亮点: 大型可扩展的自然驾驶场景库

  • 36.TRoM: Tsinghua Road Marking
    https://goo.gl/KA7DR3
    亮点：第一个与道路标记检测相关的公开数据集

  • 37.Udacity dataset
    https://goo.gl/AoxEt1
    亮点：开源项目；驱动部分包含注释对象的数据

你可能感兴趣的:(无人驾驶数据集,dataset,driverless)

  • 网络工程师 （7）进程管理 IT 青年 网络工程师网络工程师软考
    一、进程相关的概念（一）定义进程（Process）是计算机中的程序关于某数据集合上的一次运行活动，是系统进行资源分配和调度的基本单位，也是操作系统结构的基础。进程是程序的一次执行实例，具有动态性、并发性、独立性、异步性和结构性等基本特性。（二）结构进程由多个元素组成，主要包括程序代码、数据、进程控制块（PCB）以及系统资源等。其中，程序代码是进程执行的具体指令；数据是程序处理的对象；进程控制块是操
  • 论文AI率：检测原理是什么？该如何降低论文AI率？ 迪娜学姐 人工智能
    我是娜姐@迪娜学姐，一个SCI医学期刊编辑，探索用AI工具提效论文写作和发表。上一篇介绍了10个检测AI率的在线工具。本篇来说说AI率到底是如何检测出来的？该如何有效降低论文的AI率？和AI大模型一样，AI检测的核心也是机器学习模型，它们在包含人类创作和AI生成文本样本的大型数据集上进行训练，通过学习每种文本中存在的模式和特征，以此来区分人类创作的文本和AI生成文本。AI检测器查找的一些关键特征包
  • 机器学习Day1 一飞学编程 机器学习机器学习人工智能
    1.背景以周志华教授的《机器学习》为核心学习AI知识2.绪论中的重要概念整理机器学习的目的：利用经验（数据）来改善系统性能记录：(key1:value1,key2:value2…)数据集：记录的集合示例（样本）：对一个事件或对象的描述属性（特征）：key1,key2…属性值：value1,value2…属性空间（样本空间、输入空间）：key1,key2等组成的多维空间特征向量：形如（value1,
  • 一文了解大数据概论 程序员
    一.大数据概论1.1大数据概念大数据（bigdata）：指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。主要解决，海量数据的存储和海量数据的分析计算问题。按顺序给出数据存储单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。1Byte=8bit
  • Python数据分析与可视化的基础知识 YC\_ python
    一、数据分析库在数据分析中，有许多常用的数据分析库可以帮助我们进行数据处理、探索和可视化。以下是几个常见的数据分析库和它们的功能：1.NumPyNumPy是一个功能强大的科学计算库，提供了多维数组对象和各种计算功能，用于高效地处理大规模数据集。它还提供了许多数学函数和线性代数操作。2.pandaspandas是基于NumPy的数据处理和分析库，提供了高效的数据结构和数据分析工具，如Series和D
  • 自建stgcn数据集并训练 青年夏日科技工作者 AI编程
    参考了许多博文，慢慢地也就把st-gcn跑出来了，参考的文章一会附在文章里面，实测有用。1.安装st-gcn复现STGCNCPU版（ubuntu16.04+pytorch0.4.0+openpose+caffe）_Significance的博客-CSDN博客复现旧版STGCNGPU版（win10+openpose1.5.0）_Significance的博客-CSDN博客22.准备训练数据集官方使用
  • kinetics-skeleton格式行为数据提取方法 青年夏日科技工作者 python人工智能深度学习
    用自建kinetics-skeleton行为识别数据集训练st-gcn网络流程记录，利用Lightweight-OpenPose生成kinetics-skeleton格式数据0.准备工作1.下载/裁剪视频2.利用OpenPose提取骨骼点数据,制作kinetics-skeleton数据集3.训练st-gcn网络4.用自己训练的st-gcn网络跑demo，并可视化0.准备工作首先就是把st-gcn网
  • 【图像超分】论文复现：万字长文！Pytorch实现EDSR！代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！ 十小大 超分辨率重建（理论+实战科研+应用）深度学习pytorch人工智能超分辨率重建图像处理计算机视觉图像超分
    第一次来请先看这篇文章：【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）修改后代码和权重文件下载见文末链接！！！包含制作好的h5数据集和最优性能权重文件，可直接用于测试。本文亮点：讲解细致，EDSR流程全通，代码注释丰富，适合新手入门阅读深度思考，踩坑报错全
  • python做个游戏辅助_8个用于辅助项目的出色Python库 cumj63710 数据库pythonjava大数据编程语言
    python做个游戏辅助在Python/Django世界中我们有一句俗语：我们是为语言而来的，而是为社区而留下的。对我们大多数人来说都是如此，但是让我们留在Python世界中的另一件事是，有了一个想法并在午餐或晚上几个小时内快速地解决它是多么容易。本月，我们将深入研究我们喜欢用来快速擦除那些附带项目或午餐时间痒的Python库。即时将数据保存在数据库中：数据集当我们快速想要收集数据并将其保存到数据
  • Hive存储系统全面测试报告 蚂蚁质量 软件测试测试用例功能测试
    引言在大数据时代，数据存储和处理技术的重要性日益凸显。ApacheHive作为一个基于Hadoop的数据仓库工具，因其能够提供类SQL查询功能（HiveQL）而广受欢迎。Hive的设计初衷是为了简化大数据集的查询和管理，它允许用户通过简单的SQL语句来操作存储在Hadoop分布式文件系统（HDFS）上的大规模数据集。然而，随着数据量的激增和业务需求的多样化，Hive存储系统的功能、性能和安全性面临
  • 机器学习：利用sklearn实现心脏病预测 薄化克Oswald
    机器学习：利用sklearn实现心脏病预测机器学习sklearn实现心脏病预测项目地址:https://gitcode.com/Resource-Bundle-Collection/171ff欢迎使用本资源仓库，本项目专注于利用Python的sklearn库进行心脏病预测的机器学习实践。通过详尽的步骤和示例代码，本项目为你展示了如何应用不同的机器学习算法来分析心脏病数据集，并预测患者是否有可能患有
  • 【第7节】OpenCompass 大模型评测实战 AI扩展坞 大模型LLM书生浦语agent
    目录1基础课程笔记1.1研究大模型的评测的必要性1.2OpenCompass介绍1.2.1评测体系开源历程1.2.2如何评测大模型？1.2.2.1设计思路1.2.2.2评测的方法：（1）客观评测（2）主观评测1.2.2.3评测中关于提示词工程优化1.2.3主要产品：工具-基准-榜单三位一体1.2.3.1CompassRank性能榜单1.2.3.2全栈评测工具链1.2.3.3高质量社区-广泛的数据集
  • 单目测距（yolo-目标检测+标定+深度学习目标检测_测距） 计算机C9硕士_算法工程师 YOLO目标检测深度学习
    YOLOv5模型介绍YOLOv5是目前最先进的目标检测算法之一，在多个数据集上取得了优秀的表现。相较于YOLOv4，YOLOv5采用了更深的Backbone网络和更高的分辨率输入图像，以提高检测精度和速度。单目测距实现方法在目标检测的基础上，我们可以通过计算物体在图像中的像素大小来估计其距离。具体方法是，首先确定某个物体的实际尺寸，然后根据该物体在图像中的像素大小计算其距离。这个方法可以应用于各种
  • 使用scikit-learn实现线性回归对自定义数据集进行拟合 Luzem0319 scikit-learn线性回归python
    1.引入必要的库首先，需要引入必要的库。scikit-learn提供了强大的机器学习工具，pandas和numpy则用于数据处理，matplotlib用于结果的可视化。importpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLinear
  • 使用PyTorch实现逻辑回归：从训练到模型保存与加载 Luzem0319 pytorch逻辑回归人工智能
    1.引入必要的库首先，需要引入必要的库。PyTorch用于构建和训练模型，pandas和numpy用于数据处理，matplotlib用于结果的可视化。importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,TensorDatasetimportpandasaspdimport
  • scikit-learn工具学习 - random,mgrid,np.r_ ,np.c_, scatter, axis, pcolormesh, contour, decision_function... helloxielan 数据结构与算法python人工智能
    yuanwen:http://blog.csdn.net/crossky_jing/article/details/49466127scikit-learn练习题题目：Tryclassifyingclasses1and2fromtheirisdatasetwithSVMs,withthe2firstfeatures.Leaveout10%ofeachclassandtestpredictionpe
  • 使用 Python 和 scikit-learn 实现 KNN 分类：以鸢尾花数据集为例 弥树子 pythonscikit-learn分类
    在机器学习的世界里，K-NearestNeighbors（KNN）算法是一种简单而强大的分类方法。它基于一个直观的想法：相似的数据点往往属于同一类别。本文将通过Python的scikit-learn库实现KNN分类，以经典的鸢尾花数据集为例，展示从数据加载到模型评估的完整流程。1.KNN算法简介KNN是一种监督学习算法，主要用于分类和回归任务。它的工作原理非常简单：对于一个新的数据点，算法会查找训
  • machine learning knn算法之使用KNN对鸢尾花数据集进行分类 知识鱼丸 machinelearning机器学习算法分类
    通过导入必要的scikit-learn导入必要的库，加载给定的数据，划分测试集和训练集之后训练预测和评估即可具体代码如下：importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardS
  • 什么是包装ERP 雪叶雨林 行业资讯ERP人工智能大数据
    包装企业在现代生产和供应链管理中面临着日益复杂的挑战，如何有效管理资源、优化流程和提高效率成为了企业发展的关键。包装企业资源计划（PackagingERP）作为一种集成管理系统，旨在通过信息化手段提升企业的整体运营水平。包装ERP的定义包装ERP是专为包装行业设计的一种企业资源计划系统，涵盖了生产、库存、采购、销售等多个模块。其核心目的是通过数据集成和流程优化，帮助企业实现资源的高效配置和管理，从
  • 基于深度学习的遥感目标检测系统：UI界面、R-CNN模型与数据集准备 2025年数学建模美赛 R-CNN检测系统人工智能深度学习r语言cnnpythonui目标检测
    一、引言遥感图像中的目标检测在很多领域，如环境监测、土地利用、城市规划、农业资源监测等方面有着广泛应用。遥感图像具有高分辨率和丰富的空间信息，但同时也带来了目标检测中的许多挑战，特别是在目标尺度变化、遮挡和复杂背景的情况下。因此，采用深度学习技术，尤其是卷积神经网络（CNN）和区域卷积神经网络（R-CNN），在遥感图像目标检测中取得了显著的成果。本文将详细介绍基于深度学习的遥感目标检测系统，使用R
  • 大数据和智能数据应用架构系列教程之：大数据与人工智能 AI天才研究院 AI实战大数据AI人工智能Python实战大数据人工智能语言模型JavaPython架构设计
    作者：禅与计算机程序设计艺术1.背景介绍概述“大数据”是指海量、高维、多样化的数据集合。随着人类对数据处理和管理的需求越来越复杂，越来越依赖机器学习、人工智能等新兴技术。在过去的一段时间里，越来越多的人开始关注到“大数据”这一颗龙头。如今，“大数据”已经成为一个新的名词，它既包含了大量的数据，也带来了巨大的价值。因此，研究、开发、应用“大数据”技术也逐渐成为各行各业的专业人才需求。在这个快速发展的
  • 使用Bert+BiLSTM+CRF训练 NER任务 CHEN_RUI_2200 机器学习bert人工智能深度学习
    使用的数据集在这里E-CommercialNERDataset/电商NER数据集_数据集-阿里云天池针对面向电商的命名实体识别研究，我们通过爬取搜集了淘宝商品文本的标题，并标注了4大类，9小类的实体类别。具体类型及实体数量如下针对面向电商的命名实体识别研究，我们通过爬取搜集了淘宝商品文本的标题，并标注了4大类，9小类的实体类别。具体类型及实体数量如下：每个文件数据格式相同，都为根据BIschema
  • Silero VAD 教程 褚艳影Gloria
    SileroVAD教程silero-vadSileroVAD:pre-trainedenterprise-gradeVoiceActivityDetector项目地址:https://gitcode.com/gh_mirrors/si/silero-vad1.项目目录结构及介绍该开源项目silero-vad的目录结构如下：.├──datasets#包含示例数据集└──examples#存放示例代码
  • 常见的数仓架构模式 JJJJJJJJia 数仓架构数据仓库
    一、常见的数仓架构模式有：独立数据集市架构特点：这种架构下，每个部门或业务线根据自身需求构建独立的数据集市，数据集市通常规模较小，专注于特定的业务领域。优点：能够快速满足特定业务部门的需求，实施相对简单，开发周期短。缺点：数据可能存在冗余和不一致，难以实现企业级的数据一致性和集成性，跨部门数据共享和协作较为困难。应用举例。适用于小型的公司。比如针对所有的销售数据建立一个专门的数据集市，重点分析商品
  • 使用R语言绘制日历热图 CyberXZ r语言开发语言R语言
    使用R语言绘制日历热图日历热图是一种可视化工具，用于显示时间序列数据的模式和趋势。这种图表通常使用颜色编码来表示数据值的大小，从而使我们能够快速识别出高值和低值。在R语言中，我们可以使用ggplot2包来创建漂亮且可定制化的日历热图。首先，确保已经安装了ggplot2包。如果没有安装，可以使用以下命令进行安装：install.packages("ggplot2")接下来，我们将使用一个示例数据集来
  • 06-机器学习-数据预处理 不会打代码呜呜呜呜 机器学习机器学习人工智能
    数据清洗数据清洗是数据预处理的核心步骤，旨在修正或移除数据集中的错误、不完整、重复或不一致的部分，为后续分析和建模提供可靠基础。以下是数据清洗的详细流程、方法和实战示例：一、数据清洗的核心任务问题类型表现示例影响缺失值数值型字段为空（NaN）模型无法处理缺失值，导致训练中断或偏差异常值年龄=200岁，房价=-100万扭曲统计指标（如均值），降低模型泛化性重复数据两行记录完全相同导致模型过拟合，降低
  • 【huawei】云计算的备份和容灾 Jackilina_Stone #认证&考试灾备安全云计算huawei学习笔记
    目录1备份和容灾2灾备的作用？①备份的作用②容灾的作用3灾备的衡量指标①数据恢复时间点（RPO，RecoyeryPointObjective）②应用恢复时间（RTO，RecoyeryTimeObjective）4灾备的区别5练习题①判断题②单选题③多选题1备份和容灾备份：备份是容灾的基础，通常指在数据中心内，将全部或部分数据集合从应用主机的硬盘或阵列复制到其它的存储介质的过程。容灾：容灾系统一般是
  • 自定义数据集使用scikit-learn中的包实现线性回归方法对其进行拟合 灵封～ scikit-learn线性回归python
    一、导入必要的库importpandasaspdfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLinearRegressionfromsklearn.metricsimportmean_squared_error,r2_score二、加载自定义数据集#创建自定义数据集#假设我们有一个简单
  • 使用scikit-learn中的KNN包实现对鸢尾花数据集的预测。 灵封～ scikit-learn机器学习人工智能
    导入必要的库和数据集#导入鸢尾花数据集fromsklearn.datasetsimportload_iris#数据化可视包importpandasaspdfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportMinMaxScaler,StandardScalerfromsklearn.neig
  • 未来趋势系列 篇三：低空经济题材解析和股票梳理 李小白杂货铺 股票技术杂谈低空经济题材解析股票梳理
    文章目录系列文章低空经济题材解析空域管理设备起降设施雷达导航飞行员培训无人机直升机eVTOL（含垂直起降型飞行汽车）低空物流低空交通环境检测消防支援气象探测股票梳理系列文章未来趋势系列篇一：AI题材解析和股票梳理未来趋势系列篇二：HBM题材解析和股票梳理低空经济低空经济是政策、技术和自主可控三者共振的新晋的新质生产力代表。低空经济是指以民用有人驾驶和无人驾驶航空器为主导，涵盖载人、载货及其他作业等
  • 辗转相处求最大公约数 沐刃青蛟 C++漏洞
    无言面对”江东父老“了，接触编程一年了，今天发现还不会辗转相除法求最大公约数。惭愧惭愧！   为此，总结一下以方便日后忘了好查找。   1.输入要比较的两个数a,b   忽略：2.比较大小（因为后面要的是大的数对小的数做%操作）   3.辗转相除（用循环不停的取余，如a%b,直至b=0）   4.最后的a为两数的最大公约数 &
  • F5负载均衡会话保持技术及原理技术白皮书 bijian1013 F5负载均衡
    一.什么是会话保持？        在大多数电子商务的应用系统或者需要进行用户身份认证的在线系统中，一个客户与服务器经常经过好几次的交互过程才能完成一笔交易或者是一个请求的完成。由于这几次交互过程是密切相关的，服务器在进行这些交互过程的某一个交互步骤时，往往需要了解上一次交互过程的处理结果，或者上几步的交互过程结果，服务器进行下
  • Object.equals方法：重载还是覆盖 Cwind javagenericsoverrideoverload
    本文译自StackOverflow上对此问题的讨论。 原问题链接   在阅读Joshua Bloch的《Effective Java（第二版）》第8条“覆盖equals时请遵守通用约定”时对如下论述有疑问： “不要将equals声明中的Object对象替换为其他的类型。程序员编写出下面这样的equals方法并不鲜见，这会使程序员花上数个小时都搞不清它为什么不能正常工作：” pu
  • 初始线程 15700786134
          暑假学习的第一课是讲线程，任务是是界面上的一条线运动起来。            既然是在界面上，那必定得先有一个界面，所以第一步就是，自己的类继承JAVA中的JFrame，在新建的类中写一个界面，代码如下： public class ShapeFr
  • Linux的tcpdump 被触发 tcpdump
    用简单的话来定义tcpdump，就是：dump the traffic on a network，根据使用者的定义对网络上的数据包进行截获的包分析工具。 tcpdump可以将网络中传送的数据包的“头”完全截获下来提供分析。它支 持针对网络层、协议、主机、网络或端口的过滤，并提供and、or、not等逻辑语句来帮助你去掉无用的信息。 实用命令实例 默认启动 tcpdump 普通情况下，直
  • 安卓程序listview优化后还是卡顿 肆无忌惮_ ListView
    最近用eclipse开发一个安卓app，listview使用baseadapter，里面有一个ImageView和两个TextView。使用了Holder内部类进行优化了还是很卡顿。后来发现是图片资源的问题。把一张分辨率高的图片放在了drawable-mdpi文件夹下，当我在每个item中显示，他都要进行缩放，导致很卡顿。解决办法是把这个高分辨率图片放到drawable-xxhdpi下。 &nb
  • 扩展easyUI tab控件，添加加载遮罩效果 知了ing jquery
    (function () { $.extend($.fn.tabs.methods, { //显示遮罩 loading: function (jq, msg) { return jq.each(function () { var panel = $(this).tabs(&
  • gradle上传jar到nexus 矮蛋蛋 gradle
    原文地址： https://docs.gradle.org/current/userguide/maven_plugin.html configurations {     deployerJars } dependencies {     deployerJars "org.apache.maven.wagon
  • 千万条数据外网导入数据库的解决方案。 alleni123 sqlmysql
    从某网上爬了数千万的数据，存在文本中。 然后要导入mysql数据库。 悲剧的是数据库和我存数据的服务器不在一个内网里面。。 ping了一下， 19ms的延迟。 于是下面的代码是没用的。 ps = con.prepareStatement(sql); ps.setString(1, info.getYear())............; ps.exec
  • JAVA IO InputStreamReader和OutputStreamReader 百合不是茶 JAVA.io操作 字符流
    这是第三篇关于java.io的文章了，从开始对io的不了解-->熟悉--->模糊，是这几天来对文件操作中最大的感受，本来自己认为的熟悉了的，刚刚在回想起前面学的好像又不是很清晰了，模糊对我现在或许是最好的鼓励 我会更加的去学 加油！： JAVA的API提供了另外一种数据保存途径，使用字符流来保存的，字符流只能保存字符形式的流   字节流和字符的难点：a,怎么将读到的数据
  • MO、MT解读 bijian1013 GSM
    MO= Mobile originate，上行，即用户上发给SP的信息。MT= Mobile Terminate，下行，即SP端下发给用户的信息； 上行:mo提交短信到短信中心下行:mt短信中心向特定的用户转发短信，你的短信是这样的，你所提交的短信，投递的地址是短信中心。短信中心收到你的短信后，存储转发，转发的时候就会根据你填写的接收方号码寻找路由，下发。在彩信领域是一样的道理。下行业务：由SP
  • 五个JavaScript基础问题 bijian1013 JavaScriptcallapplythisHoisting
    下面是五个关于前端相关的基础问题，但却很能体现JavaScript的基本功底。 问题1：Scope作用范围 考虑下面的代码：  (function() { var a = b = 5; })(); console.log(b); 什么会被打印在控制台上？  回答：         上面的代码会打印 5。 &nbs
  • 【Thrift二】Thrift Hello World bit1129 Hello world
    本篇，不考虑细节问题和为什么，先照葫芦画瓢写一个Thrift版本的Hello World，了解Thrift RPC服务开发的基本流程   1. 在Intellij中创建一个Maven模块，加入对Thrift的依赖，同时还要加上slf4j依赖，如果不加slf4j依赖，在后面启动Thrift Server时会报错 <dependency>
  • 【Avro一】Avro入门 bit1129 入门
    本文的目的主要是总结下基于Avro Schema代码生成，然后进行序列化和反序列化开发的基本流程。需要指出的是，Avro并不要求一定得根据Schema文件生成代码，这对于动态类型语言很有用。   1. 添加Maven依赖   <?xml version="1.0" encoding="UTF-8"?> <proj
  • 安装nginx+ngx_lua支持WAF防护功能 ronin47
    需要的软件:LuaJIT-2.0.0.tar.gz                   nginx-1.4.4.tar.gz          &nb
  • java-5.查找最小的K个元素-使用最大堆 bylijinnan java
    import java.util.Arrays; import java.util.Random; public class MinKElement { /** * 5.最小的K个元素 * I would like to use MaxHeap. * using QuickSort is also OK */ public static void
  • TCP的TIME-WAIT bylijinnan socket
    原文连接： http://vincent.bernat.im/en/blog/2014-tcp-time-wait-state-linux.html 以下为对原文的阅读笔记 说明： 主动关闭的一方称为local end，被动关闭的一方称为remote end 本地IP、本地端口、远端IP、远端端口这一“四元组”称为quadruplet，也称为socket 1、TIME_WA
  • jquery ajax 序列化表单 coder_xpf Jquery ajax 序列化
       checkbox 如果不设定值，默认选中值为on；设定值之后，选中则为设定的值   <input type="checkbox" name="favor" id="favor" checked="checked"/> $("#favor&quo
  • Apache集群乱码和最高并发控制 cuisuqiang apachetomcat并发集群乱码
    都知道如果使用Http访问，那么在Connector中增加URIEncoding即可，其实使用AJP时也一样，增加useBodyEncodingForURI和URIEncoding即可。 最大连接数也是一样的，增加maxThreads属性即可，如下，配置如下： <Connector maxThreads="300" port="8019" prot
  • websocket dalan_123 websocket
    一、低延迟的客户端-服务器 和 服务器-客户端的连接 很多时候所谓的http的请求、响应的模式，都是客户端加载一个网页，直到用户在进行下一次点击的时候，什么都不会发生。并且所有的http的通信都是客户端控制的，这时候就需要用户的互动或定期轮训的，以便从服务器端加载新的数据。   通常采用的技术比如推送和comet（使用http长连接、无需安装浏览器安装插件的两种方式：基于ajax的长
  • 菜鸟分析网络执法官 dcj3sjt126com 网络
      最近在论坛上看到很多贴子在讨论网络执法官的问题。菜鸟我正好知道这回事情.人道"人之患好为人师" 手里忍不住,就写点东西吧. 我也很忙.又没有MM,又没有MONEY....晕倒有点跑题. OK,闲话少说,切如正题. 要了解网络执法官的原理. 就要先了解局域网的通信的原理. 前面我们看到了.在以太网上传输的都是具有以太网头的数据包. 
  • Android相对布局属性全集 dcj3sjt126com android
    RelativeLayout布局android:layout_marginTop="25dip" //顶部距离android:gravity="left" //空间布局位置android:layout_marginLeft="15dip //距离左边距 // 相对于给定ID控件android:layout_above 将该控件的底部置于给定ID的
  • Tomcat内存设置详解 eksliang jvmtomcattomcat内存设置
    Java内存溢出详解   一、常见的Java内存溢出有以下三种：   1. java.lang.OutOfMemoryError: Java heap space ----JVM Heap（堆）溢出JVM在启动的时候会自动设置JVM Heap的值，其初始空间(即-Xms)是物理内存的1/64，最大空间(-Xmx)不可超过物理内存。 可以利用JVM提
  • Java6 JVM参数选项 greatwqs javaHotSpotjvmjvm参数JVM Options
    Java 6 JVM参数选项大全（中文版）   作者：Ken Wu Email: [email protected] 转载本文档请注明原文链接 http://kenwublog.com/docs/java6-jvm-options-chinese-edition.htm！   本文是基于最新的SUN官方文档Java SE 6 Hotspot VM Opt
  • weblogic创建JMC i5land weblogicjms
    进入 weblogic控制太 1.创建持久化存储 --Services--Persistant Stores--new--Create FileStores--name随便起--target默认--Directory写入在本机建立的文件夹的路径--ok 2.创建JMS服务器 --Services--Messaging--JMS Servers--new--name随便起--Pers
  • 基于 DHT 网络的磁力链接和BT种子的搜索引擎架构 justjavac DHT
    上周开发了一个磁力链接和 BT 种子的搜索引擎 {Magnet & Torrent}，本文简单介绍一下主要的系统功能和用到的技术。 系统包括几个独立的部分： 使用 Python 的 Scrapy 框架开发的网络爬虫，用来爬取磁力链接和种子； 使用 PHP CI 框架开发的简易网站； 搜索引擎目前直接使用的 MySQL，将来可以考虑使
  • sql添加、删除表中的列 macroli sql
    添加没有默认值：alter table Test add BazaarType char(1) 有默认值的添加列：alter table Test add BazaarType char(1) default(0) 删除没有默认值的列：alter table Test drop COLUMN BazaarType 删除有默认值的列：先删除约束（默认值）alter table Test DRO
  • PHP中二维数组的排序方法 abc123456789cba 排序二维数组PHP
    <?php/*** @package     BugFree* @version     $Id: FunctionsMain.inc.php,v 1.32 2005/09/24 11:38:37 wwccss Exp $*** Sort an two-dimension array by some level
  • hive优化之------控制hive任务中的map数和reduce数 superlxw1234 hivehive优化
    一、    控制hive任务中的map数: 1.    通常情况下，作业会通过input的目录产生一个或者多个map任务。 主要的决定因素有： input的文件总个数，input的文件大小，集群设置的文件块大小(目前为128M, 可在hive中通过set dfs.block.size;命令查看到，该参数不能自定义修改)；2. 
  • Spring Boot 1.2.4 发布 wiselyman spring boot
    Spring Boot 1.2.4已于6.4日发布，repo.spring.io and Maven Central可以下载(推荐使用maven或者gradle构建下载)。   这是一个维护版本，包含了一些修复small number of fixes,建议所有的用户升级。   Spring Boot 1.3的第一个里程碑版本将在几天后发布，包含许多
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他