基础知识库

  1. 数据显示层 UI 逻辑层 DAL   数据访问层 BLL

     2.c/s client /server (客户机/服务器)   局域网 安全系数高,适用于已知用户


       b/s browser/server (浏览器/服务器)    广域网


     3.char() nchar() varchar() 三种数据类型的区别


        char :固定的大小 num char(10)  num='ss'  该字符num 的长度还是10  char()数据类型自动用空格填充,并且一个汉字占     有两个字符长度
  
      varchar :可变的大小    num varchar(10)  num='ss' 长度还是2  无论事汉字或字母所占字符大小都是两个
   
      nvarchar :可变的大小 无论事汉字或字母所占字符大小都是一个


       4.orm框架:对象关系映射(反射)=>反射是net中的一种机制,通过放射,能够得到一个类型(类,接口)的成员,比如:方法,属性,构造函数,以及方法的修饰符,参数
    ||
    \/
   EF,LINQ TO SQL


     5.REF与OUT的区别:
    使用ref必须是在声明变量时进行初始化,而out在方法里进行初始化,out适合return多个值的时候,ref则是需要改变方法应用的时候


6.Web Service 与 WCF的区别
    
    WCF可以不依赖iis发布,可以通过wcf控制台进行发布,可以配置成basicHTTPbingding来兼容转换成ws),安全性高,支持多种回话模式:单向,双向,请求/响应 两者都是外部调用接口


7.git:是一种免费,开源的分布式控制系统,可以有效的,快速的处理或大或小的项目


  svn:一种开放源代码版本控制系统,采用标志和分支来保存项目的系统


  8.ASP.NET与.NET


   net是一种平台而asp.net是开发web程序的一门技术

  ASP.NET与mvc的区别

 asp会污染我们写的码(自动生成一些代码)

   依赖注入把创建对象的权利交给框架,控制反转  调用接口使用里面的方法,使创建对象的权利给第三方


  9. MD5是一种单向单列函数,是不可逆的,对字符和密码进行加密方式  采用摘要算法 ,具体就是对一串数进行其他字符代替


 10.  进程是系统正在运行的一个应用程序 ,线程是系统分配处理器时间资源的基本单元,要从当前功能转换到另一个功能时,使用线程


 11.  mvc的三种模式:db first ,model first  ,code first


 12.  VUE.js Angular.js mvvm 模式  双向绑定 减少HTML代码,跟字符拼接 VUE.js绑定选择器,互不干扰
  
       SingnalR 能够制定用户发送消息,后台跟前台相互调用方法


   common type system  cts 通用系统类型


   common Language System  cls  通用语言规范


   common language runtime  clr 公共语言运行库


最后:欢迎大家补充或者指出错误,我好进行修改

      谢谢了




   
   
 
   
   
   
  • 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
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