JAVA笔记

  1. java运行环境,切换版本(mac系统) 

    $ /usr/libexec/java_home -V // 查询当前系统所有java版本及所在路径
    
    // 切换java版本
    // 打开~/.zshrc文件
    export JAVA_HOME=$(/usr/libexec/java_home) // 默认版本
    export JAVA_HOME=$(/usr/libexec/java_home -v 1.8.0_291) // 指定版本
    
  2. IntellJ IDEA切换java版本

    File -> Project Structure -> Platform Settings -> SDKs 
  3. maven各jar包的作用域

  4.  Config.xml和Mapper.xml的约束

    <?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE configuration  
      PUBLIC "-//mybatis.org//DTD Config 3.0//EN"  
      "http://mybatis.org/dtd/mybatis-3-config.dtd">
    <?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE mapper  
      PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"  
      "http://mybatis.org/dtd/mybatis-3-mapper.dtd">
     
  5. Spring框架架构

  6. 三层架构                

  7. 注解的区别

    1. 首先比较@Component注解和@Controller注解
      Component注解表明一个类会作为组件类,并告知Spring要为这个类创建bean对象,而@Controller注解是特殊专门服务控制层的类的注解,这样的注解还有@Service,@Controller,@Repository,这些注解是针对不同的使用场景所采取的特定功能化的注解组件,这些注解用于类上的,根据自动检测和使用类路径扫描自动配置bean。注释类和bean之间存在隐式的一对一映射(即每个类一个bean)。

      注解含义
      @Component最普通的组件,可以被注入到spring容器进行管理
      @Controller作用于控制层
      @Service作用于服务层
      @Repository作用于持久层
    2. 再比较@Component注解和@Bean注解
      @Component注解作用于类上,@Bean作用于方法上,是使用注解方法的返回对象给IOC容器管理,而且所在类必须被@Configuration或@Component注解,用于显式声明单个bean

  8. springboot

  9. SpringClound Hystrix

  10. SpringClound Eureka

    Eureka的自我保护机制 - 西伯利亚爱学习的狼 - 博客园

  11. java修饰符

    java修饰符有哪些?_#白票君的博客-CSDN博客_java修饰符有哪些

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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