2009-04-16 | Hibernate关联映射 (多对多单双向)

多对多单向 User --->Role

 

 

//User.hbm.xml

 

<hibernate-mapping>
       <class name="User" table="t_user">
                 <id name="id">
                          <generator class="native"/>
                 </id>
                 <property name="name"/>
                 <set name="roles" table="t_user_role">
                          <key column="userid"/>
                          <many-to-many class="Role" column="roleid"/>
                 </set>

        </class>
</hibernate-mapping>

 

<!--

       多对多关联映射会生成第三方的一张表,    t_user_role

        <key column="userid"/>  表示在表 t_user_role 中 加入userid  ,指向 t_user 的主键

        <many-to-many class="Role" column="roleid"/>  表示在由实体类Role 映射成的那张表(t_role)中加入一

        个字段roleid ,指向 t_role 的主键

--> 

 

//Role.hbm.xml

 

<hibernate-mapping>
         <class name="Role" table="t_role">
                <id name="id">
                       <generator class="native"/>
                </id>
                <property name="name"/>
         </class>
</hibernate-mapping>

 

 

多对多双向  User <---> Role

 

 

 

//Role.User.xml (跟单向一样)

 

<hibernate-mapping>
         <class name="User" table="t_user">
                 <id name="id">
                         <generator class="native"/>
                 </id>
                 <property name="name"/>
                 <set name="roles" table="t_user_role">
                          <key column="userid"/>
                          <many-to-many class="Role" column="roleid"/>
                 </set>

        </class>
</hibernate-mapping>

 

<!--

      table属性值必须和单向关联中的table属性值一致
      <key>中column属性值要与单向关联中的<many-to-many>标签中的column属性值一致
      在<many-to-many>中的column属性值要与单向关联中<key>标签的column属性值一致

-->

 

//Role.hbm.xml(两边差不多一样的配置方法)

 

<hibernate-mapping>
         <class name="Role" table="t_role">
                  <id name="id">
                           <generator class="native"/>
                  </id>
                  <property name="name"/>
                  <set name="users" table="t_user_role" order-by="userid">
                            <key column="roleid"/>
                            <many-to-many class="User" column="userid"/>
                   </set>

         </class>
</hibernate-mapping>

  • 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