Silverlight 之重

上期笔者刚提出Silverlight之轻,本期就要讨论silverlight之重?请大家不要觉得奇怪,架构的轻与重永远都是相对而言,虽然Silverlight相对于传统C/S架构有更加轻型的运行时环境,但相较于Html+JavaScript等传统B/S架构确实具有更加庞大的基础类库支持。Silverlight依靠.Net平台,使用C#高级语言代替JavaScript脚本语言,实现了强大的客户端计算能力、支持多线程,继承了WPF丰富的样式、控件、特效与动画,更可控的浏览器适应性,更安全的沙箱模式,客户端嵌入式数据库等,这就是本期要给大家介绍的重点—Silverlight之重

\

自上世纪90年代以来,Html+JavaScript几乎占据了Web应用的全部,在近20年的发展过程中,一大批工具化的JavaScript框架应运而生,比如轻量级的JQuery、重量级的ExtJs和Dojo等都为开发者建立Web应用提供了多种选择。ExtJs框架有强大的UI展现层,已经在Turbo CRM等企业级应用中有实际案例,而Dojo有IBM、Oracle等大公司撑腰,Struts2更将Dojo集成在客户端框架中,该框架甚至还支持离线浏览。

\

虽然以上框架已经具有相当可观的基础库支持,但Silverlight的架构却拥有更加重量级的高级语言支持,使得它可以完成JavaScript框架所不能实现的功能,Silverlight之重就体现在以下几方面:

\
  • 基于.Net平台,拥有丰富的基础类库支持,可以快速构建复杂的企业级应用\

Silverlight拥有强大的.Net平台支持,自Silverlight1.1使用.Net运行时环境以来,Silverlight类库已经得到极大的扩充,并集成了WPF、WCF、LINQ、DLR、COM等.Net平台的优秀技术,下图是MSDN上关于.Net for Silverlight的支持图例。

\

43db4b3994c1e6c832c81d1ef84f1870.jpg

\

由于Silverlight使用了WPF展现层控件库,使得Silverlight与WPF共享代码不存在任何技术屏障,事实上Silverlight就是一种桌面应用在Web上的轻量级实现,即便存在一些差异,我们也可以通过下面的代码将Silverlight应用与桌面应用粘合在一起。

\
\#if SILVERLIGHT\    dynamic excel = AutomationFactory.CreateObject(\"Excel.Application\");\#else\    dynamic excel = Microsoft.VisualBasic.Interaction.CreateObject(\"Excel.Application\
  • 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