(5)Struts2-Struts的标签库

Struts的标签库

-熟练掌握逻辑标签的使用
-熟练掌握UI标签的使用
-熟练掌握在Struts2的标签中使用OGNL表达式


标签
    为什么使用标签?
        生成页面效果
        简化功能的呈现
        剥离页面中的逻辑代码
        便于美工的维护

作为MVC框架的最重要的两个部分就是控制器和视图,视图部分主要通过标签来实现。
Struts2的标签库基于OGNL实现,相比于Struts1的标签库区别主要在以下几点:
(1)基于OGNL实现的Struts2标签对于集合、数组的访问更加强大。
(2)所有标签类别统一集中在一个库中
(3)整合了DOJO的支持,页面呈现更丰富。
(4)提供了Ajax的支持
(5)不依赖于表现层技术

Struts2标签从功能上看主要分为
    逻辑标签
    UI标签

使用Struts2标签
   
   
  1. <%@taglib prefix="s" uri="/struts-tags" %>


逻辑标签
(1)property标签
            用于使用OGNL表达式输出数据
例如:访问context中session的数据
    
    
  1. <s:property value="#session.loginUser.userName"/>
访问valueStack中Action的属性
     
     
  1. <s:property value="userName"/>

attr表示从request、session、application查找作用域中的数据
      
      
  1. <s:property value="#attr.msg"/>

(2)if标签、esle标签
           if标签用于条件判断
           esle标签必须结合if标签使用,表示没有满足的情况
       
       
  1. <!-- if标签用于条件判断 -->
  2. <s:if test="#session.loginUser==null">
  3. <a href="#">Login</a>
  4. </s:if>
  5. <s:else>
  6. 欢迎<s:property value="#session.loginUser.userName"/>登陆
  7. </s:else>

(3)set标签
        用来在context中添加一个键值对
            var :写入contextValue中的键
            value:写入contextValue中的值,通过OGNL获取,如果值为基本数据类型通过单引号写入
        
        
  1. <s:set var="map" value="#{'a':'A','b':'B'}"></s:set>

(4)iterator标签
        用来迭代集合
            var: 写入contextValue中的键
            value:迭代的集合或数组使用OGNL获取
            status:每个元素的状态
         
         
  1. <s:iterator var="str" value="#list" status="status">
  2. ${}status.index+1}${str}<br/>
  3. </s:itertor>


(5)append集合
        用于将多个集合拼成一个集合,需要结合<s:param>子标签
                  var: 写入contextValue中的键
        
        
  1. <s:append var="newList">
  2. <s:param value="#list1"></s:param>
  3. <s:param value="#list2"></s:param>
  4. <s:/append>
  5. <s:iterator val="str" value="#newList" status="status">
  6. </s:iterator>

(6)subset标签
           用于对集合进行截取
            source:被截取的集合
            start:截取的起始索引
            count:截取的数量
该标签将产生一个新的集合存入valueStack栈顶,标签运行结束,该集合从栈顶移除,因此需要在标签内进行迭代。
        

(7)bean标签
           用来创建对象
           name:创建对象的class
           var: 写入contextValue中的键
        
        
  1. <s:bean name="com.niit.bean.User" var="user">
  2. <s:param name="userName" value="tom">
  3. </s:bean>
  4. <s:property value="#user.userName"/>

(8)date标签
        用来格式化时间
            name:时间的值
            format:格式化字符串
            nice:是否显示时间差
         
         
  1. <s:date name="#date" format="yyyy-MM-dd hh:mm:ss"/>

(9)include标签
            动态包含    包含jsp界面或servlet界面
            value  包含的页面路径

(10)url标签
            产生一个url地址
            action:跳转的地址
            var: 写入contextValue中的键

          
          
  1. <s:url var="loginUrl" action="login.action"></s:url>
  2. <s:a href="%{#loginUrl}">login</s:a>
   %{}         表示将字符串按照OGNL表达式来读取,使得超链接既能够使用常值,又可以使用变值。


UI标签
    Struts2內建4个主题,通过theme属性设定
        simple、xhtml、css_xhtml、ajax
常用的UI标签
    form
    textfield
    password
    checkbox
    radio
    select
    。。。。。。
UI标签的使用与普通HTML标签类似,只是标签通过OGNL与Action建立了联系

特殊属性
    lable属性    设定标签对应的文字信息,主题不能为simple
    name属性    值为OGNL表达式,获取valueStack中的Action属性

特殊标签
   checkboxlist标签
    用来设定一组复选框
    list    使用复选框呈现的集合值,使用OGNL来获取
    listValue    通过map集合呈现选项内容的值
    listKey    勾选时获取到的map集合中的键






  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值