cxf+spring=webservice CXF 安装包简介

[b]CXF 安装包
下载及目录结构[/b]
CXF 框架目前的最新版本是 2.3.3,可以访问 Apache 站点(http://cxf.apache.org/download.html)下载 CXF 框架的安装包,下载时请选择“二进制发布包(Binary

distribution)”,当然如果您有兴趣也可以下载相应版本的“源代码发布包(Source distribution)”。
下载完成后,将下载的文件解压缩到任意的文件夹中,比如:C:/Java/CXF,在后面的章节中使用 %CXF_HOME% 表示 CXF 框架的存放目录,解压缩后形成的文件目录结构按名称排

序如下:
图 1、Apache CXF 发行包的目录结构示意图
[img]http://dl.iteye.com/upload/picture/pic/87795/8a94ca6a-37ce-39ad-9aa5-d31b360c867d.jpg[/img]

[b]文件目录结构及相关文件的详细说明:[/b]
bin(目录)
bin 目录中是 CXF 框架中所提供的代码生成、校验、管理控制台工具:
Java to WSDL : java2wsdl
CXF Management Console Tool : mc
WSDL to Java : wsdl2java
WSDL to Service : wsdl2service
WSDL to SOAP : wsdl2soap
WSDL to XML : wsdl2xml
WSDL Validation : wsdlvalidator
XSD to WSDL : xsd2wsdl

[b]docs(目录)[/b]
CXF 所有类(class)对应的 API 文档,为开发者使用 CXF 完成应用开发提供应有的帮助。

[b]etc(目录)[/b]
包含一个基本的 Service 暴露所需要的 web.xml 文件,及其它的配置文件。

[b]lib(目录)[/b]
lib 目录中包含 CXF 及其运行时所需要的和可选的第三方支持类包(.jar 文件),可以根据不同项目所需的 CXF 特性选择所需要的支持类包。如果不想一一去区分的话,可
以直接在 Web 项目中包含所有的 CXF 及其运行时所需要的第三方支持类包(.jar 文件)即可。
其中 cxf-2.0.2-incubator.jar 是 CXF 框架的二进制包文件,包含了全部的模块(modules),cxf-manifest-incubator.jar 是列表清单文件 manifest jar 。

[b]以下的 jar 包是所有 CXF 项目所必需的:[/b]
cxf.jar
commons-logging.jar
geronimo-activation.jar (Or the Sun equivalent)
geronimo-annotation.jar (Or the Sun equivalent)
geronimo-javamail.jar (Or the Sun equivalent)
neethi.jar
jaxb-api.jar
jaxb-impl.jar
stax-api.jar
XmlSchema.jar
wstx-asl.jar
xml-resolver.jar

[b]对于 Java2WSDL 和 WSDL2Java,除了必需的之外,还需要再增加如下 jar 包:[/b]
jaxb-xjc.jar
veliocity.jar
velocity-dep.jar

[b]为了支持 JAX-WS ,除了必需的之外,还需要再增加如下 jar 包:[/b]
jaxws-api.jar
saaj-api.jar
saaj-impl.jar
asm.jar (可选的,但是可以提升包装类型的性能)

[b]为了支持 XML 配置,除了必需的之外,还需要再增加如下 jar 包:[/b]aopalliance.jar
spring-beans.jar
spring-context.jar
spring-core.jar
spring.web.jar

[b]为了独立的 HTTP 服务支持,除了必需的之外,还需要再增加如下 jar 包:[/b]geronimo-servlet.jar
jetty.jar
jetty-sslengine.jar
jetty-util.jar
sl4j.jar & sl4j-jdk14.jar (可选的,但是可以提升日志 logging)

[b]为了支持 Aegis ,除了必需的之外,还需要再增加如下 jar 包:[/b]
jaxen.jar
jdom.jar
stax-utils.jar

[b]为了支持 WS-Security ,除了必需的之外,还需要再增加如下 jar 包:[/b]bcprov-jdk14.jar
wss4j.jar
xalan.jar
xmlsec.jar

[b]为了支持 HTTP Binding ,除了必需的之外,还需要再增加如下 jar 包:[/b]jra.jar
jettison.jar (仅为 JSON 服务所需的)

[b]licenses(目录)[/b]
列表了引用第三方 jar 包的相关许可协议。

[b]modules(目录)[/b]
modules 目录中包含了 CXF 框架根据不同特性分开进行编译的二进制包文件。发布基于 CXF 框架的 Web 项目时,可以选择使用该目录下的所有 .jar 文件,也可以选择 lib 目

录中的 cxf-2.0.2-incubator.jar 文件。

[b]samples(目录)[/b]
samples 目录中包含了所有随 CXF 二进制包发布的示例,包含这些示例的源代码和相关 Web 应用配置文件,可以方便地用 Ant 来编译运行测试这些示例,来了解 CXF 的开发和

使用的方法。可以通过 samples 目录和它各个子目录下的 README.txt 的文件来详细了解示例的编译与运行的步骤。
DISCLAIMER 由于仍是处于 Apache 孵化状态的项目,这里描述了一些说明。
LICENSE 文件中包含了 CXF 框架的授权协议 Apache License Version 2.0 。
NOTICE 罗列了 CXF 框架用到的相关第三方组件的授权协议以其它的相关信息。
README 文件中包含了 CXF 框架本身的一些简要说明。
release_notes.txt 包含了 CXF 发布时的一些信息,包括运行时所需要的环境,修复 BUG 的列表等。

[b]CXF 框架支撑环境[/b]
CXF 框架是一种基于 Servlet 技术的 SOA 应用开发框架,要正常运行基于 CXF 应用框架开发的企业应用,除了 CXF 框架本身之外,还需要 JDK 和 Servlet 容器的支持。

[b]JDK 版本选择、下载和安装[/b]
CXF 支持非常多的特性,其中不同的特性对 JDK 版本的要求有所不同,但是 JDK 最低的版本是需要选择 JDK 5 或者以上版本。JDK 各版本均可以在 Sun 公司网站上下载([url]http://www.oracle.com/technetwork/java/javase/downloads/index.html[/url]),如何安装 JDK 请参考 SUN 公司的相关技术文档和 JDK 的帮助文档。为了运行 CXF 携带的 samples 目录下的所有示例,还需要 Apache Ant 1.6.5 或以上的
版本([url]http://ant.apache.org/[/url])。为了使用 CXF 的 WS-Security 特性,还需要 Bouncy Castle ,可以从网站下载(下载链接见 参考资源),并增加到 CLASSPATH 中。

[b]Servlet 容器下载和安装[/b]
CXF 是一种基于 Servlet 技术的 SOA 应用开发框架,需要 Servlet 容器的支持。CXF 支持在多种 Servlet 容器中运行,包括 WebSphere、WebLogic、Tomcat、Jetty 等。为了说明的简单,我们选择使用 Tomcat 5.5.25 和 Jetty 作为 CXF 的运行容器,所有配置过程和发布步骤的说明也均是针对 Tomcat 和 Jetty,如果读者使用 Tomcat 之外的其它

Servlet 容器或者选择了 Tomcat 的其它版本,下面的配置过程和步骤可能需要做出调整,请读者根据实际 Servlet 容器的帮助文档进行相应调整。

Tomcat 与 Jetty 的各个版本均可以在网上下载([url]http://tomcat.apache.org/[/url]),如何正确安装 Tomcat 与 Jetty 服务器请参考相关的帮助文档。

原文地址:[url]http://www.ibm.com/developerworks/cn/education/java/j-cxf/section3.html[/url]
  • 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