Proxy - 动态代理

1. 先看JDK提供代理类Proxy

      根据JDK描述,动态代理类Proxy主要用来创建动态代理类,是一个在创建类时实现指定的接口列表的类,这个指定的接口叫做代理接口,即是创建代理类实现的接口,代理实例是代理类的一个实例。 每个代理实例都有一个关联的调用处理程序对象,这个调用处理程序对象实现接口 InvocationHandler;代理类具有以下属性:

 根据JDK的约定,调用处理对象必须包含一个代理实例,如上private Object target表示代理对象。

代理类是public,final而不是abstract。 未指定代理类的非限定名称。但是,以字符串 "$Proxy" 开头的类名空间应该为代理类保留。

 

代理类会按同一顺序准确地实现其创建时指定的接口。

在看JDK中Proxy类产生代理类的一个静态方法:

public static Object newProxyInstance(ClassLoader loader,
                                      Class<?>[] interfaces,
                                      InvocationHandler h)
                               throws IllegalArgumentException

    该方法返回一个指定接口的代理类实例,该接口可以将方法调用指派到指定的调用处理程序,其中interfaces表示代理类要实现的接口列表;h为指派方法调用的调用处理程序;

java.lang.reflect.InvocationHandler接口定义一个方法如下;

Object invoke(Object proxy,
              Method method,

              Object[] args)
              throws Throwable 

proxy为代理实例,Method为代理实例和代理实现的接口中定义的方法;

2.显然上面的描述是比较抽象,下面我写一个自己的Proxy类和InvocationHanlder接口:

如下为为我定义的InvocationHanlder:

package com.learn.proxy;
import java.lang.reflect.Method;
public interface InvocationHanlder {
	public void invoke(Object proxy, Method method);
}

 为了简化我假设我的代理类和代理实现的接口中所定义的方法没有参数,所以和java.lang.reflect.InvocationHandler中的相比缺少方法参数args;

我的Proxy类:

package com.learn.proxy;

import java.io.File;
import java.io.FileWriter;
import java.lang.reflect.Constructor;
import java.lang.reflect.Method;

import javax.tools.JavaCompiler;
import javax.tools.StandardJavaFileManager;
import javax.tools.ToolProvider;
import javax.tools.JavaCompiler.CompilationTask;

import com.learn.proxy.test.Moveable;

public class Proxy {
	
	public static Object newProxyInstance(ClassLoader loader, Class interfaces, InvocationHanlder h) throws Exception {
		
		String rt = "\r\n";
		String methodStr = "";
		
		Method[] methods = Moveable.class.getMethods();
		for(Method m : methods) {
			methodStr += "	@Override" + rt +
			"	public " + m.getGenericReturnType() + " " + m.getName() + "()" + " {" + rt +
			"		try{" + rt +
			"			Method md = " + interfaces.getName() + ".class.getMethod(\"" + m.getName() + "\");" + rt +
			"			hanlder.invoke(this, md);" + rt +
			"		}catch(Exception e) {e.printStackTrace();}" + rt +
			"	}" + rt;
		}
		
		String str = 
			"package com.learn.proxy; " + rt +
		     rt +
			"import java.lang.reflect.Method;" + rt +
		     rt +
			"public class $Proxy1 implements " + interfaces.getName() +" {   " + rt +
			"	private com.learn.proxy.InvocationHanlder hanlder;" + rt +
			"	public $Proxy1(InvocationHanlder hanlder) {" + rt +
			"		this.hanlder = hanlder;                        " + rt +
			"	}                                                " + rt +
					methodStr +
			"} " + rt ;
		String fileName = System.getProperty("user.dir") + "/proxy/com/learn/proxy/$Proxy1.java";
		File file = new File(fileName);
		FileWriter writer = new FileWriter(file);
		writer.write(str);
		writer.flush();
		writer.close();
		
		JavaCompiler compiler = ToolProvider.getSystemJavaCompiler();
		StandardJavaFileManager fileManager = compiler.getStandardFileManager(null, null, null);
		Iterable units = fileManager.getJavaFileObjects(fileName);
		CompilationTask task = compiler.getTask(null, fileManager, null, null, null, units);
		task.call();
		fileManager.close();
		file.delete();
		
		Class c = loader.loadClass("com.learn.proxy.$Proxy1");
		Constructor constructor = c.getDeclaredConstructor(InvocationHanlder.class);
		Object obj = constructor.newInstance(h);
		return obj;
	}
}

 此类包含一个方法newProxyInstance,此方法可以产生一个代理,此代理要实现的接口由参数interfaces指定,loader用来加载动态生成的代理类,h用来处理被代理类要执行方法;

3.接下来给出一个上面2的应用:

同样有一个Person对象,它实现了Moveable接口,详细代码如下;

public interface Moveable {
	public void move();
}

public class Person implements Moveable {
	public void move() {
		System.out.println("Person remove");
		try {
			Thread.sleep(new Random().nextInt(10000));
		} catch (InterruptedException e) {
		}
	}
}

 现在要求记录Person对象执行move方法的时间,我们可以这样处理;

Step 1 分析我们首先需要一个调用处理对象,我们定义它的名字为TimeHanlder,当然这里的TimeHanlder实现我们自己定义的InvocationHanlder,如下:

package com.learn.proxy.test;

import java.lang.reflect.Method;
import java.util.Date;

import com.learn.proxy.InvocationHanlder;

public class TimeHanlder implements InvocationHanlder {
	
	private Object target;
	
	public TimeHanlder(Object target) {
		this.target = target;
	}
	
	@Override
	public void invoke(Object obj, Method method) {
		Date start = new Date();
		System.out.println("START...");   
		try {
			method.invoke(target);
		} catch (Exception e) {
			e.printStackTrace();
		}
		System.out.println("END, TOTAL APENT: " + (new Date().getTime() - start.getTime()) + " MILLISECONDS.");
	}
}

 

 

Step 2 产生代理类

有了调用处理对象,我们还需要指定加载我们生成代理类的ClassLoader,根据我们自己的Proxy,我们是将代理类编译好放在一个单独的位置,所以我们不能用程序中的ClassLoader,这里我们用URLClassLoader;

如下代码:

 

public static void main(String[] args) throws Exception {
		
		URL[] urls = new URL[]{new URL("file://" + System.getProperty("user.dir") + "/proxy/")};
		URLClassLoader urlClassLoader = new URLClassLoader(urls);
		
		TimeHanlder hanlder = new TimeHanlder(new Person());
		Object proxy = Proxy.newProxyInstance(urlClassLoader,Moveable.class,hanlder);
		System.out.println(proxy.getClass());
		System.out.println(proxy.getClass().getInterfaces()[0]);
		System.out.println(proxy.getClass().getConstructors()[0]);
		System.out.println(proxy.getClass().getMethods()[0]);
		Moveable m  = (Moveable) proxy;
		m.move();
	}

 

此段代码运行结果如下:

 

class com.learn.proxy.$Proxy1
interface com.learn.proxy.test.Moveable
public com.learn.proxy.$Proxy1(com.learn.proxy.InvocationHanlder)
public void com.learn.proxy.$Proxy1.move()

START...
Person remove
END, TOTAL APENT: 2562 MILLISECONDS.

 

 Step 3 分析整个运行过程:

从结果看可以知道:

我们的代理类名字为com.learn.proxy.$Proxy1;

它有一个构造方法:public $Proxy1(com.learn.proxy.InvocationHanlder hanlder);

它实现了接口com.learn.proxy.test.Moveable;

它有一个方法public void move() ,显然这方法是com.learn.proxy.test.Moveable中定义的方法

这样我们可以大致还原出我们的代理类代码:

package com.learn.proxy; 

import java.lang.reflect.Method;

public class $Proxy1 implements com.learn.proxy.test.Moveable {   
	private com.learn.proxy.InvocationHanlder hanlder;
	public $Proxy1(InvocationHanlder hanlder) {
		this.hanlder = hanlder;                        
	}                                                
	@Override
	public void move() {
		try{
			Method md = com.learn.proxy.test.Moveable.class.getMethod("move");
			hanlder.invoke(this, md);
		}catch(Exception e) {e.printStackTrace();}
	}
} 

 此类是程序调运Proxy.newProxyInstance方法时动态生成,实际中并不存在;

接着分析,上述运行结果,Person对象move方法被执行,同时执行move方法的时间被记录,所以整个过程可以用下图描述:



 首先动态生成的代理类中move方法被调用;

 TimeHanlder中invoke方法被调用;

 java.lang.reflect.Method中invoke方法被调用,来完成执行Person中move方法;

 

 

  • 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),确定它们的别和位置,是计算机视觉领域的核心问题之一。由于各物体有不同的外观、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。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别(目标分)。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别的概率(首先得到别概率,经过Softmax可得到别标签)。 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: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,并根据分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 预测别匹配真实值(Ground truth)的别 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
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),确定它们的别和位置,是计算机视觉领域的核心问题之一。由于各物体有不同的外观、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。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别(目标分)。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别的概率(首先得到别概率,经过Softmax可得到别标签)。 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: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,并根据分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 预测别匹配真实值(Ground truth)的别 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