- 非极大值抑制算法(Non-maximum suppression, NMS)
bdd1b3ad7323
NMS算法在目标检测,目标定位领域有较广泛的应用。算法原理非极大值抑制算法(Non-maximumsuppression,NMS)的本质是搜索局部极大值,抑制非极大值元素。算法的作用当算法对一个目标产生了多个候选框的时候,选择score最高的框,并抑制其他对于改目标的候选框。适用场景一幅图中有多个目标(如果只有一个目标,那么直接取score最高的候选框即可)。算法的输入算法对一幅图产生的所有的候选
- 道路病害检测:Road Disease Detection based on Latent Domain Background Feature Separation and Suppression
学术菜鸟小晨
道路病害深度学习
论文作者:JuwuZheng,JiangtaoRen作者单位:SunYat-SenUniversity论文链接:http://arxiv.org/abs/2309.07616v1内容简介:1)方向:道路病害检测2)应用:道路维护和管理3)背景:道路病害检测具有挑战性,因为目标区域中的道路损坏比例较小且背景多样,引入了大量领域信息。此外,病害类别之间相似度高,使得检测更加困难。4)方法:本文提出一种
- 读书笔记 ||《梦的解析》—第五章:梦的材料与来源(3)
Psychonline
读书笔记《梦的解析—弗洛依德》THEINTERPRETATIONOFDREAMS第五章:梦的材料与来源(3)在我们的防御机制类型中,对痛苦或者禁止的想法和感受的应对方式有压抑(Repression)和抑制(Suppression),其区别是前者是无意识的应对方式,后者是有意识的应对方式。在我们梦里,受到压抑(Repression)或者抑制(Suppression)的潜意识内容都会以各种能被接受的方
- YOLOv5:解读general.py
FriendshipT
YOLO系列YOLO目标检测深度学习python
YOLOv5:解读general.py前言前提条件相关介绍general.pyclip_boxesscale_boxes★\bigstar★xywh2xyxynon_max_suppression★★★\bigstar\bigstar\bigstar★★★未完待续参考前言记录一下自己阅读general.py代码的一些重要点,方便自己查阅。特别感谢,在参考里,列举的博文链接,写得很好,对本人阅读理解
- yolov5 C++推理(libtorch和onnxruntime框架)
给算法爸爸上香
deeplearning#modeldeploymentyolov5C++libtorchonnxruntime
libtorch推理#include#include#include#include#includestd::vectornon_max_suppression(torch::Tensorpreds,floatscore_thresh=0.01,floatiou_thresh=0.35){std::vectoroutput;for(size_ti=0;i(torch::max(pred.slice
- OpenCvSharp函数:Canny边缘检测
图南堂
OpenCVSharp学习OpenCvSharp函数opencvc#图像处理
Canny边缘检测函数说明使用Canny算法检测边缘,该算法满足边缘检测的三个条件低错误率:只检测到存在的边缘。良好的定位:检测到的边缘在真实边缘的中心。最小响应:每个边缘只有一个检测器响应,尽可能排除噪声。算法步骤:使用高斯模糊去噪声计算图像每个像素点的梯度强度和方向。默认使用Sobel算子,也可以自定义应用非极大值(Non-maximum)抑制。这样可以保留细边缘。应用双阈值(Double-T
- Unsupervised Night Image Enhancement: When Layer Decomposition Meets Light-Effects Suppression论文阅读笔记
sysu_first_yasuo
论文阅读笔记计算机视觉深度学习人工智能
这是ECCV2022的一篇为无监督暗图增强的文章,主要思想是抑制灯光效应的同时增强黑暗区域的亮度,如下图所示文章主要贡献可以分为三点,一是提出了一个layerdeconpositionandlight-effectsuppression框架;二是提出了light-effectslayer;三是提出了一个基于structureandhighfrequencyfeaturesconsistency的损
- 一种非极大值抑制(non_max_suppression, nms)的代码实现方式
lokvke
CodingCV深度学习numpy目标检测nms非极大值抑制
目录1.简介2.代码2.1坐标形式转换2.2iou计算2.3nms1.简介非极大值抑制,non_max_suppression,简称nms,常用于目标检测的后处理,去除多余的检测框。流程大致是:根据某个类别,按照检测框的置信度从大到小排序,选择置信度最高的检测框记为A,计算A与剩余的检测框(B1、B2、…BN)的iou值,若iou值大于设置的阈值,则将B1、B2、…BN中对应的检测框去掉,如此重复
- 为什么一个人选择长期心理压抑,哪怕最终精神崩溃?
圆融心分享
西格蒙德·弗洛伊德奥地利心理学家西格蒙德·弗洛伊德曾说:Unexpressedemotionswillneverdie.Theyareburiedaliveandwillcomeforthlaterinuglierways.未表达的情绪永远不会消亡。它们只是被活埋了,有朝一日,会以更加丑恶的方式涌现。压抑,一种心理防御机制压,指的是积而不发;抑,指的是约束控制。压抑(Suppression),是指
- Memory suppression and its deficiency in psychological disorders A focused meta-analysis(result&d...
ReinAAAAA
Stramaccia,D.,Rischer,K.M.,Fawcett,J.M.,&Benoit,R.G.(2019).Memorysuppressionanditsdeficiencyinpsychologicaldisorders:Afocusedmeta-analysis.3result3.1reliablesuppression-inducedforgettinginhealthyindiv
- 深度学习基本功3:NMS(Non-Maximum Suppression,非极大值抑制)算法原理及实现
Frankenstein@
深度学习深度学习神经网络人工智能目标检测计算机视觉
文章目录1.为什么要使用NMS2.NMS算法原理2.1IoU与置信度2.2算法流程3.Python代码实现1.为什么要使用NMS大多数目标检测算法(稠密预测)在得到最终的预测结果时,特征图的每个位置都会输出多个检测结果,整个特征图上会出很多个重叠的框。例如要检测一辆车,可能会有多个bbox都把这辆车给框了出来,因此需要从这些bbox中选出框得最好的,删除掉其它的。要定义框得好与不好,就得看bbox
- demooo
lilimu99
Pythonpython
importtorchimportcv2frommodels.experimentalimportattempt_loadfromutils.generalimportnon_max_suppression#LoadYOLOv5modelmodel=attempt_load('yolov5s.pt',map_location=torch.device('cpu'))#Loadimageimg=cv
- TypeError: non_max_suppression() got an unexpected keyword argument 'score_threshold'
loovelj
python算法tensorflow
在使用TensorFlow的ObjectDetection中,使用TensorFlow1.8及以下环境会报错如下:TypeError:non_max_suppression()gotanunexpectedkeywordargument'score_threshold'解决方法:升级TensorFlow到1.9及以上1.github参考
- PyQt5 | 手把手教你YOLOv5添加PyQt页面
迪菲赫尔曼
YOLOv5/v7进阶实战pyqtpython深度学习
手把手教你YOLOv5添加PyQt页面演示视频:YOLOv5/v7添加PyQT5页面我的毕业有救了!哔哩哔哩文章目录手把手教你YOLOv5添加PyQt页面1.YOLOv5源码解析1.1select_device1.2attempt_load1.3check_img_size1.4non_max_suppression1.5scale_coords1.6letterbox1.7plot_one_bo
- 差分隐私随笔
Je_Ho
差分隐私
隐私保护手段包括:抑制(suppression)、泛化(generalization)、置换(permutation)、扰动(perturbation)、裁剪(anatomy)等。1.抑制:最常见的数据匿名措施,通过将数据置空的方式限制数据发布。2.泛化:通过降低数据精度来提供匿名方法。属性泛化即通过制定泛化规则,使得多个元组的在规则下近似的取值相同。最深的属性泛化效果通常等同于抑制。社交关系数据
- 纯代码干货-Python基于YOLOv5的车辆检测并计数
Hack Hui
yolov5深度学习Pythonpython计算机视觉人工智能opencv图像处理
首先,你需要安装YOLOv5,可以通过官方文档了解安装步骤和相关依赖。接着,你需要准备训练好的车辆检测模型和测试图片或视频。1.导入库```importcv2importtorchfrommodels.experimentalimportattempt_loadfromutils.generalimportnon_max_suppression,scale_coordsfromutils.plot
- 非极大值抑制(NMS Non-Maximum Suppresion)
我真不会写代码
目标检测python机器学习算法深度学习神经网络
什么是非极大值抑制?顾名思义就是搜索局部最大值,通常在目标检测中出现。如何使用非极大值抑制?非极大值抑制的流程如下:实际上这是一个迭代的过程,①选取了置信度最大的边框,②计算①中选取的边框与其周围边框的重合面积(IOU)。③通过选定合适的阈值删除重合面积较大的周围边框。④从剩下的边框中选取置信度最大的边框,重复以上步骤,直到无剩下的边框。得到边框的置信度:选取最大的置信度:根据阈值删除置信度最高的
- 高光谱目标检测论文学习(4)——Hierarchical Suppression Method for Hyperspectral Target Detection
MrBamboo2000
高光谱论文学习目标检测图像处理信号处理
前言这篇论文是一篇稍微老一点的论文,发表于TGRS2016,主要讲了一种对CEM的改进方法,也是一篇基本思路比较简单的顶会论文。主要想通过这篇论文体会一下如何对现有经典方法进行改进。思路我们首先来回忆一下之前学过的一些高光谱目标检测方法。我们在这个系列中的前几篇文章中已经了解了很多可以用于高光谱目标检测的方法了,比如MF、ACE、AMF、ASD、OSP、CEM等等,这些方法如果给他们分个类的话,大
- 非极大值抑制(Non-Maximum Suppression)
WHS-_-2022
机器学习深度学习目标检测计算机视觉
文章目录一、什么是非极大值抑制二、为什么要用非极大值抑制三、如何使用非极大值抑制四、代码段一、什么是非极大值抑制非极大值抑制,简称为NMS算法,英文为Non-MaximumSuppression。其思想是搜素局部最大值,抑制非极大值。NMS算法在不同应用中的具体实现不太一样,但思想是一样的。非极大值抑制,在计算机视觉任务中得到了广泛的应用,例如边缘检测、人脸检测、目标检测(DPM,YOLO,SSD
- 在yolov5源码基础上修改,只识别一种类别
萝卜一下
yolov5目标检测python开发语言
方法一(推荐)如上图所示,在detect.py文件中,第73行为模型正向传播推理得到的结果,75行是模型正向传播后传入到函数non_max_suppression中,该函数为非极大值抑制函数,得到了我们最终想要的tensor数组,之后的处理为画图等操作。如果想要调用官方给的模型文件进行推理,并且只得到一个类别,我们需要写一个函数,之后调用它即可。函数如下:defcls_filtration(pre
- YOLOv5最简推理分割代码
大鹏要高飞
yolov5计算机视觉pythonopencv
目录结构如下:以加载torchscript模型文件为例,如下为Predict.py代码,utils.py中代码则从原始YOLOV5代码中拷贝,即Predict.py中用到的代码块,其中对部分用不到的代码进行了删减:importcv2importnumpyasnpimporttorchfromutils.utilsimportletterbox,non_max_suppression,Annotat
- 由`non_max_suppression`思考box形成过程
changxl.
人工智能pytorchcv
由non_max_suppression思考box形成过程NMS解决的最大的问题就是一个目标有多个框的情况下,对同一目标只保留一个框。通常来说,NSM的阈值越大,保留下的框越多,同一个目标出现多个框的概率越高。但是这个说法不绝对,还是要区分场景和目标尺寸的。简单根据置信度进行NMSdefnon_max_suppression(boxes,conf_thres=0.5,nms_thres=0.3):
- yolov5 nms 源码理解
程序之巅
pytorch计算机视觉Yolov5深度学习pytorch机器学习
直接放入nmsyolov5源码,以一个二分类的模型举例说明,对nms的理解defnon_max_suppression(prediction,conf_thres=0.25,iou_thres=0.45,classes=None,agnostic=False,multi_label=False,labels=(),max_det=100000,return_index=False):"""Runs
- 目标检测的NMS(非极大值抑制,Non-Maximum Suppression)
张小波
目标检测深度学习目标检测nms
非极大值抑制NMS概述一、NMS1.原理2.代码示例二、NMSloss三、Soft-NMS概述非极大值抑制(Non-MaximumSuppression,NMS),顾名思义就是抑制不是极大值的元素,可以理解为局部最大搜索。这个局部代表的是一个邻域,邻域有两个参数可变,一是邻域的维数,二是邻域的大小。用于目标检测中提取分数最高的窗口的。例如在行人检测中,滑动窗口经提取特征,经分类器分类识别后,每个窗
- NMS(non maximum suppression )
思考实践
#深度学习疑难杂症nms
参考链接NMS——非极大值抑制_shuzfan的博客-CSDN博客_非极大值抑制//讲的很好,nms-baseline代码注释的很清楚,matlab代码,未验证NMS(非极大值抑制)_木盏的博客-CSDN博客_nms的作用//言简意赅的解释,模仿链接一,python代码,未验证c++版的NMS(非极大抑制)实现_ltshan139的博客-CSDN博客_c++nms//c++代码,未验证非极大值抑制
- Learning non-maximum suppression 论文笔记
五十岁的少女
论文笔记_目标检测人工智能深度学习计算机视觉cnn
background任务:通过可学习的NMS,代替传统的NMS。关键词:Learningnon-maximumsuppressionIntroduction传统的NMS基本都是不健全的,阈值的不同,检测的效果也不同,而且不同的场景中的阈值必然不同,但预测时的超参数是固定的,所以传统的NMS很难找到一个合适的阈值,使其达到很好的效果。本文主要是像通过神经网络来代替NMS,通过一个可训练的网络,来达到
- NMS(Non-Maximum Suppression)非极大值抑制
萌新调包员
深度学习NMS检测非极大值抑制python
非极大值抑制概述在目标检测领域,我们经常用到非极大值抑制(NMS),NMS就是在局部范围内抑制不是极大值的目标,只保留极大值。原理在检测任务重,我们会得到一批具有置信度S的bbox列表B,首先根据置信度S对bbox进行排序,选择置信度最高的框M,从B中移除M并加入到最终结果D中,将剩余的框与B分别作交并比运算,IOU大于阈值Nt(通常设为0.3~0.5)的框从B中移除,一轮结束,再重新对B中的框按
- 非极大值抑制(Non-Maximum Suppression,NMS)
薛定谔的炼丹炉!
目标检测
非极大值抑制(Non-MaximumSuppression,NMS),顾名思义就是抑制不是极大值的元素,可以理解为局部最大搜索。在目标检测中是提取分数最高的窗口的。例如在行人检测中,滑动窗口经提取特征,经分类器分类识别后,每个窗口都会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口存在包含或者大部分交叉的情况。这时就需要用到NMS来选取那些邻域里分数最高(是行人的概率最大),并且抑制那些分数低的
- NMS:Efficient Non-Maximum Suppression论文解读(NMS详解)
Schuyler_yuan
#视觉算法实践
NMS,非极大值抑制算法,用于目标检测的后处理,去除重叠度较高的冗余检测结果。参考:https://www.bbsmax.com/A/A2dmV1YOze/http://blog.sina.com.cn/s/blog_6fdc463b0102vcu5.htmlhttps://blog.csdn.net/shaoxiaohu1/article/details/16817971https://blog
- 非极大抑制(Non-Maximum Suppression,NMS)
明天天明~
深度学习深度学习
在进行目标检测的时候同一个物体可能存在好几个预测框,那我们通过非极大抑制来进行选取最优的框,去抑制那些冗余的框,NMS选择过程如下图所示NMS伪代码流程如上图所示:先看红色框中的B表示初始的预测框的listS包含了对应的预测框的分数N_t是NMS的门限值,流程如下:如果B不为空则进行一下循环将B中的预测框按分数从大到小排序将最大的S对应的预测框存于M中,再将B中所有的预测框和M_i做IOU计算,如
- Java开发中,spring mvc 的线程怎么调用?
小麦麦子
springmvc
今天逛知乎,看到最近很多人都在问spring mvc 的线程http://www.maiziedu.com/course/java/ 的启动问题,觉得挺有意思的,那哥们儿问的也听仔细,下面的回答也很详尽,分享出来,希望遇对遇到类似问题的Java开发程序猿有所帮助。
问题:
在用spring mvc架构的网站上,设一线程在虚拟机启动时运行,线程里有一全局
- maven依赖范围
bitcarter
maven
1.test 测试的时候才会依赖,编译和打包不依赖,如junit不被打包
2.compile 只有编译和打包时才会依赖
3.provided 编译和测试的时候依赖,打包不依赖,如:tomcat的一些公用jar包
4.runtime 运行时依赖,编译不依赖
5.默认compile
依赖范围compile是支持传递的,test不支持传递
1.传递的意思是项目A,引用
- Jaxb org.xml.sax.saxparseexception : premature end of file
darrenzhu
xmlprematureJAXB
如果在使用JAXB把xml文件unmarshal成vo(XSD自动生成的vo)时碰到如下错误:
org.xml.sax.saxparseexception : premature end of file
很有可能时你直接读取文件为inputstream,然后将inputstream作为构建unmarshal需要的source参数。InputSource inputSource = new In
- CSS Specificity
周凡杨
html权重Specificitycss
有时候对于页面元素设置了样式,可为什么页面的显示没有匹配上呢? because specificity
CSS 的选择符是有权重的,当不同的选择符的样式设置有冲突时,浏览器会采用权重高的选择符设置的样式。
规则:
HTML标签的权重是1
Class 的权重是10
Id 的权重是100
- java与servlet
g21121
servlet
servlet 搞java web开发的人一定不会陌生,而且大家还会时常用到它。
下面是java官方网站上对servlet的介绍: java官网对于servlet的解释 写道
Java Servlet Technology Overview Servlets are the Java platform technology of choice for extending and enha
- eclipse中安装maven插件
510888780
eclipsemaven
1.首先去官网下载 Maven:
http://www.apache.org/dyn/closer.cgi/maven/binaries/apache-maven-3.2.3-bin.tar.gz
下载完成之后将其解压,
我将解压后的文件夹:apache-maven-3.2.3,
并将它放在 D:\tools目录下,
即 maven 最终的路径是:D:\tools\apache-mave
- jpa@OneToOne关联关系
布衣凌宇
jpa
Nruser里的pruserid关联到Pruser的主键id,实现对一个表的增删改,另一个表的数据随之增删改。
Nruser实体类
//*****************************************************************
@Entity
@Table(name="nruser")
@DynamicInsert @Dynam
- 我的spring学习笔记11-Spring中关于声明式事务的配置
aijuans
spring事务配置
这两天学到事务管理这一块,结合到之前的terasoluna框架,觉得书本上讲的还是简单阿。我就把我从书本上学到的再结合实际的项目以及网上看到的一些内容,对声明式事务管理做个整理吧。我看得Spring in Action第二版中只提到了用TransactionProxyFactoryBean和<tx:advice/>,定义注释驱动这三种,我承认后两种的内容很好,很强大。但是实际的项目当中
- java 动态代理简单实现
antlove
javahandlerproxydynamicservice
dynamicproxy.service.HelloService
package dynamicproxy.service;
public interface HelloService {
public void sayHello();
}
dynamicproxy.service.impl.HelloServiceImpl
package dynamicp
- JDBC连接数据库
百合不是茶
JDBC编程JAVA操作oracle数据库
如果我们要想连接oracle公司的数据库,就要首先下载oralce公司的驱动程序,将这个驱动程序的jar包导入到我们工程中;
JDBC链接数据库的代码和固定写法;
1,加载oracle数据库的驱动;
&nb
- 单例模式中的多线程分析
bijian1013
javathread多线程java多线程
谈到单例模式,我们立马会想到饿汉式和懒汉式加载,所谓饿汉式就是在创建类时就创建好了实例,懒汉式在获取实例时才去创建实例,即延迟加载。
饿汉式:
package com.bijian.study;
public class Singleton {
private Singleton() {
}
// 注意这是private 只供内部调用
private static
- javascript读取和修改原型特别需要注意原型的读写不具有对等性
bijian1013
JavaScriptprototype
对于从原型对象继承而来的成员,其读和写具有内在的不对等性。比如有一个对象A,假设它的原型对象是B,B的原型对象是null。如果我们需要读取A对象的name属性值,那么JS会优先在A中查找,如果找到了name属性那么就返回;如果A中没有name属性,那么就到原型B中查找name,如果找到了就返回;如果原型B中也没有
- 【持久化框架MyBatis3六】MyBatis3集成第三方DataSource
bit1129
dataSource
MyBatis内置了数据源的支持,如:
<environments default="development">
<environment id="development">
<transactionManager type="JDBC" />
<data
- 我程序中用到的urldecode和base64decode,MD5
bitcarter
cMD5base64decodeurldecode
这里是base64decode和urldecode,Md5在附件中。因为我是在后台所以需要解码:
string Base64Decode(const char* Data,int DataByte,int& OutByte)
{
//解码表
const char DecodeTable[] =
{
0, 0, 0, 0, 0, 0
- 腾讯资深运维专家周小军:QQ与微信架构的惊天秘密
ronin47
社交领域一直是互联网创业的大热门,从PC到移动端,从OICQ、MSN到QQ。到了移动互联网时代,社交领域应用开始彻底爆发,直奔黄金期。腾讯在过去几年里,社交平台更是火到爆,QQ和微信坐拥几亿的粉丝,QQ空间和朋友圈各种刷屏,写心得,晒照片,秀视频,那么谁来为企鹅保驾护航呢?支撑QQ和微信海量数据背后的架构又有哪些惊天内幕呢?本期大讲堂的内容来自今年2月份ChinaUnix对腾讯社交网络运营服务中心
- java-69-旋转数组的最小元素。把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素
bylijinnan
java
public class MinOfShiftedArray {
/**
* Q69 旋转数组的最小元素
* 把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,输出旋转数组的最小元素。
* 例如数组{3, 4, 5, 1, 2}为{1, 2, 3, 4, 5}的一个旋转,该数组的最小值为1。
*/
publ
- 看博客,应该是有方向的
Cb123456
反省看博客
看博客,应该是有方向的:
我现在就复习以前的,在补补以前不会的,现在还不会的,同时完善完善项目,也看看别人的博客.
我刚突然想到的:
1.应该看计算机组成原理,数据结构,一些算法,还有关于android,java的。
2.对于我,也快大四了,看一些职业规划的,以及一些学习的经验,看看别人的工作总结的.
为什么要写
- [开源与商业]做开源项目的人生活上一定要朴素,尽量减少对官方和商业体系的依赖
comsci
开源项目
为什么这样说呢? 因为科学和技术的发展有时候需要一个平缓和长期的积累过程,但是行政和商业体系本身充满各种不稳定性和不确定性,如果你希望长期从事某个科研项目,但是却又必须依赖于某种行政和商业体系,那其中的过程必定充满各种风险。。。
所以,为避免这种不确定性风险,我
- 一个 sql优化 ([精华] 一个查询优化的分析调整全过程!很值得一看 )
cwqcwqmax9
sql
见 http://www.itpub.net/forum.php?mod=viewthread&tid=239011
Web翻页优化实例
提交时间: 2004-6-18 15:37:49 回复 发消息
环境:
Linux ve
- Hibernat and Ibatis
dashuaifu
Hibernateibatis
Hibernate VS iBATIS 简介 Hibernate 是当前最流行的O/R mapping框架,当前版本是3.05。它出身于sf.net,现在已经成为Jboss的一部分了 iBATIS 是另外一种优秀的O/R mapping框架,当前版本是2.0。目前属于apache的一个子项目了。 相对Hibernate“O/R”而言,iBATIS 是一种“Sql Mappi
- 备份MYSQL脚本
dcj3sjt126com
mysql
#!/bin/sh
# this shell to backup mysql
#
[email protected] (QQ:1413161683 DuChengJiu)
_dbDir=/var/lib/mysql/
_today=`date +%w`
_bakDir=/usr/backup/$_today
[ ! -d $_bakDir ] && mkdir -p
- iOS第三方开源库的吐槽和备忘
dcj3sjt126com
ios
转自
ibireme的博客 做iOS开发总会接触到一些第三方库,这里整理一下,做一些吐槽。 目前比较活跃的社区仍旧是Github,除此以外也有一些不错的库散落在Google Code、SourceForge等地方。由于Github社区太过主流,这里主要介绍一下Github里面流行的iOS库。 首先整理了一份
Github上排名靠
- html wlwmanifest.xml
eoems
htmlxml
所谓优化wp_head()就是把从wp_head中移除不需要元素,同时也可以加快速度。
步骤:
加入到function.php
remove_action('wp_head', 'wp_generator');
//wp-generator移除wordpress的版本号,本身blog的版本号没什么意义,但是如果让恶意玩家看到,可能会用官网公布的漏洞攻击blog
remov
- 浅谈Java定时器发展
hacksin
java并发timer定时器
java在jdk1.3中推出了定时器类Timer,而后在jdk1.5后由Dou Lea从新开发出了支持多线程的ScheduleThreadPoolExecutor,从后者的表现来看,可以考虑完全替代Timer了。
Timer与ScheduleThreadPoolExecutor对比:
1.
Timer始于jdk1.3,其原理是利用一个TimerTask数组当作队列
- 移动端页面侧边导航滑入效果
ini
jqueryWebhtml5cssjavascirpt
效果体验:http://hovertree.com/texiao/mobile/2.htm可以使用移动设备浏览器查看效果。效果使用到jquery-2.1.4.min.js,该版本的jQuery库是用于支持HTML5的浏览器上,不再兼容IE8以前的浏览器,现在移动端浏览器一般都支持HTML5,所以使用该jQuery没问题。HTML文件代码:
<!DOCTYPE html>
<h
- AspectJ+Javasist记录日志
kane_xie
aspectjjavasist
在项目中碰到这样一个需求,对一个服务类的每一个方法,在方法开始和结束的时候分别记录一条日志,内容包括方法名,参数名+参数值以及方法执行的时间。
@Override
public String get(String key) {
// long start = System.currentTimeMillis();
// System.out.println("Be
- redis学习笔记
MJC410621
redisNoSQL
1)nosql数据库主要由以下特点:非关系型的、分布式的、开源的、水平可扩展的。
1,处理超大量的数据
2,运行在便宜的PC服务器集群上,
3,击碎了性能瓶颈。
1)对数据高并发读写。
2)对海量数据的高效率存储和访问。
3)对数据的高扩展性和高可用性。
redis支持的类型:
Sring 类型
set name lijie
get name lijie
set na
- 使用redis实现分布式锁
qifeifei
在多节点的系统中,如何实现分布式锁机制,其中用redis来实现是很好的方法之一,我们先来看一下jedis包中,有个类名BinaryJedis,它有个方法如下:
public Long setnx(final byte[] key, final byte[] value) {
checkIsInMulti();
client.setnx(key, value);
ret
- BI并非万能,中层业务管理报表要另辟蹊径
张老师的菜
大数据BI商业智能信息化
BI是商业智能的缩写,是可以帮助企业做出明智的业务经营决策的工具,其数据来源于各个业务系统,如ERP、CRM、SCM、进销存、HER、OA等。
BI系统不同于传统的管理信息系统,他号称是一个整体应用的解决方案,是融入管理思想的强大系统:有着系统整体的设计思想,支持对所有
- 安装rvm后出现rvm not a function 或者ruby -v后提示没安装ruby的问题
wudixiaotie
function
1.在~/.bashrc最后加入
[[ -s "$HOME/.rvm/scripts/rvm" ]] && source "$HOME/.rvm/scripts/rvm"
2.重新启动terminal输入:
rvm use ruby-2.2.1 --default
把当前安装的ruby版本设为默