常用布局属性+控件的依赖+工具类所需

   常用控件依赖 
   apacheHttpClient)依赖
    useLibrary 'org.apache.http.legacy'
   

    Tablayout的依赖
    implementation 'com.android.support:design:26.+'


    PullToRefreshListView的依赖
    compile 'com.github.userswlwork:pull-to-refresh:1.0.0'

    =============================================================

   常用控件布局
    Tablayout布局设置

    app:tabGravity="center"
    app:tabIndicatorColor="@color/colorAccent"
    app:tabMode="scrollable"
    app:tabSelectedTextColor="@color/colorPrimaryDark"
    app:tabTextColor="@color/colorPrimary"

    ============================================================


    PullToRefreshListView布局

<com.handmark.pulltorefresh.library.PullToRefreshListView>
ptr:ptrDrawable="@drawable/default_ptr_flip"
ptr:ptrAnimationStyle="flip"
ptr:ptrHeaderBackground="#383838"
ptr:ptrHeaderTextColor="#FFFFFF"
<com.handmark.pulltorefresh.library.PullToRefreshListView/>
 
Applaction工具类
 

//自定义sd卡缓存目录

 

        File file=new File(Environment.getExternalStorageDirectory()+"/images");

        //初始化,,全局配置applction

        ImageLoaderConfiguration configuration=new ImageLoaderConfiguration.Builder(this)

                .memoryCacheExtraOptions(400, 700)//缓存图片最大的长和宽

                .threadPoolSize(3)//线程池的数量

                .threadPriority(4)

                .memoryCacheSize(20*1024*1024)//设置内存缓存区大小

                .diskCacheSize(80*1024*1024)//设置sd卡缓存区大小

                .diskCache(new UnlimitedDiscCache(file))//自定义sd卡缓存目录

                .writeDebugLogs()//打印日志内容

                .diskCacheFileNameGenerator(new Md5FileNameGenerator())//给缓存的文件名进行md5加密处理

                .build();

        ImageLoader.getInstance().init(configuration);

 适配器中

DisplayImageOptions options = new DisplayImageOptions.Builder()

                .cacheInMemory(true)//使用内存缓存

                .cacheOnDisk(true)//使用磁盘缓存

                .showImageOnLoading(R.mipmap.ic_launcher)//设置正在下载的图片

                .showImageForEmptyUri(R.mipmap.ic_launcher)//url为空或请求的资源不存在时

                .showImageOnFail(R.mipmap.ic_launcher)//下载失败时显示的图片

                .bitmapConfig(Bitmap.Config.RGB_565)//设置图片色彩模式 1px=2字节

                .imageScaleType(ImageScaleType.EXACTLY)//设置图片的缩放模式

               .displayer(new RoundedBitmapDisplayer(100))//设置圆角 30代表半径 自定义

                .build();

判断网络

//判断有无网络的方法

    public static boolean isConn(Context context){

        //1.得到系统服务

        ConnectivityManager manager = (ConnectivityManager) context.getSystemService(Context.CONNECTIVITY_SERVICE);

        //2.得到网络信息类对象-需要添加权限

        NetworkInfo info = manager.getActiveNetworkInfo();

        //3.进行判断

        if(info!=null && info.isAvailable()){//已经连接网络

            return true;

        }else{

            return false;

        }

    }

 

    //如果没有网络的情况下,弹出一个对话框,打开设置页面

    public static void openNetDialog(final Context context){

        AlertDialog.Builder builder=new AlertDialog.Builder(context);

        builder.setTitle("提示");

        builder.setMessage("没有网络,是否进行设置?");

        builder.setPositiveButton("设置", new DialogInterface.OnClickListener() {

            @Override

            public void onClick(DialogInterface dialogInterface, int i) {

                //跳转到系统设置页面-隐士跳转

                Intent intent = null;

                // 先判断当前系统版本

                if(android.os.Build.VERSION.SDK_INT > 10){  // 3.0以上

                    intent = new Intent(android.provider.Settings.ACTION_WIRELESS_SETTINGS);

                }else{

                    intent = new Intent();

                    intent.setClassName("com.android.settings", "com.android.settings.WirelessSettings");

                }

                context.startActivity(intent);

            }

        });

        builder.setNegativeButton("取消",null);

        AlertDialog dialog = builder.create();

        dialog.show();

 

 

    }


                
  • 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