一个值得关注的项目:Patterns & Practices Web Client Software Factory

  强烈推荐一个值得关注的项目:Patterns & Practices Web Client Software Factory (WC-SF)

这是Microsoft Patterns & Practices Team正在开发中的一个项目,目的是为了帮助用户使用Microsoft平台建立高质量的企业级应用。这个项目提供了一个可以扩展和自定义的架构,通过提供一个Software Factory来帮助用户开发一个基于Web的解决方案,解决最常见和最重要的一些技术问题。

一些WCSF的设法解决的典型问题:
  1. 如何组织一个解决方案
  2. 如何测试一个Web应用程序(主要是单元测试)
  3. 如何管理不同的环境(开发、测试、产品环境等)
  4. 如何隐藏技术的复杂度
  5. 如何与各种不同后台系统的集成
  6. 如何构建一个容易troubleshoot的应用
  7. 如何增加security, availability, reliability
  8. ……

一些WCSF会提供的部件:

  1. Application Blocks (Enterprise Library blocks and others)
  2. Patterns
  3. Hands-On-Labs
  4. Visual Studio Automation (templates, wizards, etc)
  5. Architecture Documentation
  6. Sample applications based on all of the above
  7. ……

值得一提的是,WCSF结合了Microsoft平台的多种技术,包括ASP.NET 2.0,Atlas,Microsoft Workflow Foundations,SharePoint等等。可以看到WCSF已经覆盖了从客户端到服务器端的一整套的解决方案,这也是P&P的第一次尝试吧。另外,WCSF的产品经理Eugenio Pace也提到了这个产品中对于Dependency Injection的应用,我对这个实现比较关注。

这个项目尚在开发之中,每周一会有Weekly Drop,按照计划它将在今年12月发布。


上面这些内容只是对WCSF的一点非常粗略的介绍,感兴趣的朋友可以关注以下链接:

1. Patterns & Practices Web Client Software Factory Home at Codeplex
2. Presentation: Vision & Scope of Web Client Software Factory
3. Video: Web Client Software Factory - Concept Study by Blaine Wastell


另外,Microsoft Patterns & Practices Team对于Smart Client也有类似的Software Factory:

1. Smart Client Software Factory Home at MSDN
2. Getting Started with the Smart Client Software Factory

转载于:https://my.oschina.net/abcijkxyz/blog/721221

  • 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