z26

初涉Android蓝牙开发
http://android.tgbus.com/Android/tutorial/201103/346657.shtml
Adapter ,service ,serverSocket ,Stream .
UUID 作为socket 端口 ,真是无法冲突了。
application 需要先生产一个String




QQ 没有统一调用游戏大厅 。暂时先不改。




游戏引擎可以直接用英文字体库(ttf文件),简单,但是汉语字库太大了。




drawable 
level layer state  ,tree container
why layer isnot  DrawableContainer 。
animationdrawable is DrawableContainer




GradientDrawable 才是 xml shape 对应的drawable 类
自定义按钮,让用户可以修改颜色




mSrc.left = (mStrNum.charAt(i) - '0') * w; 计算位置








view start animaition  结束的时候, 也就是out ,就是当前view 变化,然后再调用 linstener ,调用另外一个动画。也就是 in动画。
动画一般是成对,而且,是View 变化的过程中执行动画。
applyTransformation(  方法 
其实就是绘制变形。在这个过程中,view 的大小,事件不变。所以往往需要监听动画,在动画的时候去掉touch 事件。
动画绘制,耗时间。
动画的本质是对View以前的绘制图片,进行变形。
interpolator 校对机 ,就是调整动画速度
R.animator 干什么用的?


ViewFlipper , 两个 Text ,然后不断重新set text 。
最好直接用 TextSwitcher  example 


overridePendingTransition
ViewGroup.setLayoutAnimationController
http://blog.csdn.net/imdxt1986/article/details/6952943
LayoutAniamtion 


android背景圆角和图片圆角
http://www.docin.com/p-201062730.html


Chronometer 计时, 但不是倒计时,还不如 自己定义 。核心原理。
 


用 include 能分层,而且看清每一个子child ,能从布局视图中看清楚子布局。


linelayout 无法定位,layout gravity 没有用,还是用framelayout


wrapContext ,都是太大得情况下,会先处理第一个。




图形大小问题, 中图切割问题。




message 还是分开 logic 清楚一点 。
messag 定义成xml 文件 再生成 c 文件 和 java 文件。不错。




问题,debug 。IDE 生成 toString 






draw null ponter ,not set mybeatcard ,and it is show now 。必须的参数应该放在构造器里面。




handle 问题 ,why ,没有跑下去。教训啊,handle应该调用sendMessage 而不是dispatch message 。


尽量用不同图片,而不是变形,程序复杂化。当然,不同屏幕除外。
还是 选择 图片做背景吧,API 动态 太难看。


11-23 07:59:27.177: E/GameActivity(582): null
11-23 07:59:27.177: E/GameActivity(582): java.lang.IndexOutOfBoundsException
getMessage 为空 ,为什么没有具体 信息? toString 为Exception name 字符串,也没有。 什么时候能取到具体信息。






 timings.addSplit(" oncreate "); 打印不出来。
 
 http://minigameimg.qq.com/help/rule38.html
 QQ 斗地主 规则
 
 
各个斗地主。
还是QQ 界面 清爽。
 
 
解密 apk 包, 都混淆,但是 resource 可以看到,简单的可以重用。


GradientDrawable 
第一 可以用java 定制。
第二 类型雷达 还需要设 cente 。
第三 类型雷达还需要设半径。
第四 center 是相对值,在 01 之间。
第五 换一下可疑点,试一试,就可以了解API 。
 
用 touch listener 处理 背景 可以 修改按钮,而不是 新写一个按钮类。
  • 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