struts2,json,prototype异步请求

18 篇文章 0 订阅
13 篇文章 0 订阅

1、index.jsp

<%@ page contentType="text/html; charset=GBK" language="java" errorPage="" %>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
 "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>使用JSON插件</title>
<script src="prototype-1.6.0.3.js" type="text/javascript">
</script>
<script src="json2.js" type="text/javascript">
</script>
<script type="text/javascript">
 function gotClick()
 {
                alert('ss');
  //请求的地址
  var url = 'JSONExample.action';
  //将favorite表单域的值转换为请求参数
  var params = Form.serialize('form1');
  //创建Ajax.Request对象,对应于发送请求
  var myAjax = new Ajax.Request(
  url,
  {
   //请求方式:POST
   method:'post',
   //请求参数
   parameters:params,
   //指定回调函数
   onComplete: processResponse,
   //是否异步发送请求
   asynchronous:true
  });
 }
    function processResponse(request)
 {
  //使用JSON对象将服务器响应解析成JSON对象
  var res = JSON.parse(request.responseText);
  //遍历JSON对象的每个属性
  for(var propName in res)
  {
   $("show").innerHTML += propName + " --> " 
    + res[propName] + "<br />";
  }  
 } 
</script>
</head>
<body>
<form id="form1" name="form1" method="post">
field1:<input type="text" name="field1" id="field1"/><br />
field2:<input type="text" name="field2" id="field2"/><br />
field3:<input type="text" name="field3" id="field3"/><br />
<input type="button" value="提交" onClick="gotClick();"/>
</form>
<div id="show">
</div>
</body>
</html>

 2、S<?xml version="1.0" encoding="GBK"?>

<!DOCTYPE struts PUBLIC
    "-//Apache Software Foundation//DTD Struts Configuration 2.1//EN"
    "http://struts.apache.org/dtds/struts-2.1.dtd">
<struts>
 <constant name="struts.i18n.encoding" value="UTF-8"/>
 <package name="example"  extends="json-default">
  <action name="JSONExample" class="lee.JSONExample">
   <result type="json"/>
  </action>
  <action name="">
   <result>.</result>
  </action>
 </package>
</struts>

3、JSONExample Action类

 

package lee;

import java.util.HashMap;
import java.util.Map;

import com.opensymphony.xwork2.Action;
import com.googlecode.jsonplugin.annotations.JSON;
 
public class JSONExample
{
 //模拟处理结果的属性
    private int[] ints = {10, 20};
    private Map map = new HashMap();
    private String customName = "顾客";
 //封装请求参数的三个属性
    private String field1;
    private String field2;
    //没有setter和getter方法的字段不会被序列化
    private String field3;
 public String execute()
 {
  map.put("name", "李刚");
  return Action.SUCCESS;
 }
 //使用注释语法来改变该属性序列化后的属性名
 @JSON(name="newName")
 public Map getMap()
 {
  return this.map;
 }
 //ints属性的getter方法
 public int[] getInts()
 {
  return this.ints;
 }

 //customName属性的setter和getter方法
 public void setCustomName(String customName)
 {
  this.customName = customName;
 }
 public String getCustomName()
 {
  return this.customName;
 }
 //field1属性的setter和getter方法
 public void setField1(String field1)
 {
  this.field1 = field1;
 }
 public String getField1()
 {
  return this.field1;
 }
 //field2属性的setter和getter方法
 public void setField2(String field2)
 {
  this.field2 = field2;
 }
 public String getField2()
 {
  return this.field2;
 }
 

 

}

 5.如果按照3中的配置。你会发现前台返回的json字符串,是把action中的所有属性全部转化为json字符串返回给浏览器了(甚至有时候返回不了结果,也不报错,后台执行了,但前台执行不到callback function),但是我们有时候需要根据实际情况返回部分结果,如何对json的结果进行定制输出呢?result提供了一些参数替你解决这个问题,一般情况下用的最多的就是includeProperties 参数和excludeNullProperties参数。当然还有其他的方法,如给pojo的属性加json注解。 
6.includeProperties 参数:输出结果中需要包含的属性值,这里正则表达式和属性名匹配,可以用“,”分割填充多个正则表达式。这个参数直接返回对象的json数据,前台不需要eval转换,<param name="root">result</param>则不同,需要前台进行eval转换 
如:输出person的所有属性 
<result type="json">   
   <param name="includeProperties">person.*, person\.name</param>   
</result>   
7.excludeProperties 参数:输出结果需要剔除的属性值,也支持正则表达式匹配属性名,可以用“,”分割填充多个正则表达式,类同includeProperties 
8.输出一个JSON List列表 
<action name="list" class="testAction" method="list">     
<result name="success" type="json"> 
<param name="includeProperties"> 
list\[\d+\]\.Id,list\[\d+\]\.user\.userName 
</param> 
</result>        
</action>   
其中list是action中的一个List类型的属性 
list\[\d+\]\.Id表示,list中存储的对象0..end的Id属性(list中存储的对象必须有Id属性)。 
list\[\d+\]\.user\.userName就表示list中的对象中的user对象的userName属性 
9.为什么要用includeProperties或者excludeProperties 参数: 
主要是为了过滤掉接口,pojo的set、list、其他对象等不需要的数据防止循环取其他对象或找不到。如果不配置,默认是处理action中的所有属性,如果action中有接口注入,json拦截器可能找不到返回不了结果,还有如果action中有一个对象,这个对象与好多对象都有关联,json拦截器会将相关联的所有对象的属性全部转换成json格式,如果其他对象有list、set,其返回结果...有可能是死循环,无法返回 
10.总结: 
action中避免使用get开头的action方法,去掉action中的接口的get方法 
为json类型的result配置includeProperties, excludeProperties等参数. 

 

  • 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