七层学习


                                                        七层学习

        七层就是在三层的基础之上,添加了外观层—设计模式的外观模式、抽象工厂、反射、接口层。

       外观层:主要是把UI和BLL层分离。

       抽象工厂加反射:主要是为了更换数据库的方便性,同时把DAL层中的类转换成为IDAL层中的接口,从而使BLL层实现通过调用IDAL从而调用DAL层。

        接口层:把BLL和DAL分离。

       七层从UI层开始,逐层依赖于下一层。除了SqlHelper和Factory之外的所有的层,都要添加对Entity层的引用,这里是关联关系,因为所有的层在使用实体层的时候,首先都先要对实体进行实例化,即New一个实体,而DAL层实现的是IDAL层中的方法,同时依赖于SqlHelper实现它自己的功能。

        通过反射,实例化D层的类,调用dll方法。将B层的参数通过反射的方法, 在D层做具体实现。

        Sqlhelper封装了对数据库的增删改查,减少了代码的量,提高了系统性能。

各层的具体代码:

UI层

     Public Class FrmLogin  
     Private Sub btnLogin_Click(sender As Object, e As EventArgs) Handles btnLogin.Click  
  
        '判断文本框是否为空  
        If txtUserID.Text = "" Then  
            MessageBox.Show("请您输入用户名!", "", MessageBoxButtons.OK, MessageBoxIcon.Exclamation)  
            txtUserID.Focus()  
            Exit Sub  
        ElseIf txtPWD.Text = "" Then  
            MessageBox.Show("请您输入密码!", "", MessageBoxButtons.OK, MessageBoxIcon.Exclamation)  
            txtPWD.Focus()  
            Exit Sub  
        End If  
    
        Dim User As New Entity.T_UserEntity  
        User.UserID = txtUserID.Text.Trim()  
        User.PWD = txtPWD.Text.Trim()  
  
        Dim Result As String  
        Dim facade As New Facade.LoginFacade  
        Result = facade.Login(User)  
  
        '用户名和密码验证的几种情况  
        Select Case Result  
            Case "此用户不存在"  
                MsgBox("此用户不存在,请重新输入用户名!")  
                txtUserID.Focus()  
                txtUserID.SelectAll()  
            Case "密码错误"  
                MsgBox("密码错误,请重新输入密码!")  
                txtPWD.Focus()  
                txtPWD.SelectAll()  
            Case "登陆成功"  
                MsgBox("恭喜您,登录成功!")  
                NowUser = txtUserID.Text.Trim()  
                FrmMain.Show()  
                Me.Hide()  
        End Select  
  
    End Sub  
  
    Private Sub btnCancel_Click(sender As Object, e As EventArgs) Handles btnCancel.Click  
        End  
    End Sub  
  
End Class


Façade层

Public Class LoginFacade  
    Public Function Login(ByVal User As Entity.T_UserEntity) As String  
        Dim Userbll As New BLL.LoginBLL  
  
        '调用B层的方法验证用户名和密码是否正确  
        If Userbll.CheckUser(User) = False Then  
            Return "此用户不存在"  
        Else  
            If Userbll.CheckPWD(User) = False Then  
                Return "密码错误"  
            Else  
                Return "登陆成功"  
            End If  
        End If  
    End Function  
  
End Class

BLL层
Public Class LoginBLL  
    '验证用户名是否正确  
    Public Function CheckUser(ByVal user As Entity.T_UserEntity) As Boolean  
        Dim Iuser As IDAL.LoginIDAL  
        Dim factory As New Factory.LoginFactory  
        Iuser = factory.CreateUserDAO()  
  
        Dim mylist As New List(Of Entity.T_UserEntity)  
        mylist = Iuser.SelectUserID(user)  
        If mylist.Count = 0 Then  
            Return False  
        Else  
            Return True  
        End If  
  
    End Function  
  
    '验证密码是否正确  
    Public Function CheckPWD(ByVal password As Entity.T_UserEntity) As Boolean  
        Dim Iuser As IDAL.LoginIDAL  
        Dim factory As New Factory.LoginFactory  
        Iuser = factory.CreateUserDAO  
  
        Dim mylist As New List(Of Entity.T_UserEntity)  
        mylist = Iuser.SelectPWD(password)  
        If mylist.Count = 0 Then  
            Return False  
        Else  
            Return True  
        End If  
    End Function  
  
End Class


Factory层

Imports System.Reflection  
Imports System.Configuration  
   
Public Class LoginFactory  
    Dim DB As String = System.Configuration.ConfigurationSettings.AppSettings("DBss")  
    Private Shared ReadOnly assemblyName = "DAL"  
  
    Public Function CreateUserDAO() As IDAL.LoginIDAL   
        Dim className As String = assemblyName + "." + DB + "LoginDAL"  
        Return CType(Assembly.Load(assemblyName).CreateInstance(className), IDAL.LoginIDAL)  
  
    End Function  
End Class


IDAL层

Public Interface LoginIDAL  
    Function SelectUserID(ByVal User As Entity.T_UserEntity) As List(Of Entity.T_UserEntity)  
    Function SelectPWD(ByVal User As Entity.T_UserEntity) As List(Of Entity.T_UserEntity)  
End Interface

DAL层

Public Class SqlServerLoginDAL : Implements IDAL.LoginIDAL  
  
    Public Function SelectUserID(User As Entity.T_UserEntity) As List(Of Entity.T_UserEntity) Implements IDAL.LoginIDAL.SelectUserID  
  
        Dim sqlParams As SqlParameter() = {New SqlParameter("@UserID", User.UserID)}  
        Dim strSql As String = "select*from T_User where UserID=@UserID"  
  
        '实例化SqlHelper  
        Dim helper As New SqlHelper  
  
        Dim table As New DataTable  
        Dim mylist As New List(Of Entity.T_UserEntity)  
        table = helper.GetDataTable(strSql, CommandType.Text, sqlParams)  
        mylist = ConvertHelper.ConvertList(Of Entity.T_UserEntity)(table)  
  
        '返回泛型  
        Return mylist  
  
    End Function  
  
    Public Function SelectPWD(User As Entity.T_UserEntity) As List(Of Entity.T_UserEntity) Implements IDAL.LoginIDAL.SelectPWD  
  
        Dim sqlParams As SqlParameter() = {New SqlParameter("@UserID", User.UserID), New SqlParameter("@PWD", User.PWD)}  
        Dim strSql As String = "select*from T_User where UserID=@UserID and PWD=@PWD"  
  
        '实例化SqlHelper  
        Dim helper As New SqlHelper  
  
        Dim table As New DataTable  
        Dim mylist As New List(Of Entity.T_UserEntity)  
        table = helper.GetDataTable(strSql, CommandType.Text, sqlParams)  
        mylist = ConvertHelper.ConvertList(Of Entity.T_UserEntity)(table)  
  
        '返回泛型  
        Return mylist  
  
    End Function  
End Class

Entity层

Private _UserID As String  
    Private _PWD As String  
    Private _Level As String  
    Private _UserName As String  
    Private _Head As String  
  
    Public Property UserID As String  
        Get  
            Return _UserID  
        End Get  
        Set(value As String)  
            _UserID = value  
        End Set  
    End Property  
  
    Public Property PWD As String  
        Get  
            Return _PWD  
        End Get  
        Set(value As String)  
            _PWD = value  
        End Set  
    End Property  
  
    Public Property Level As String  
        Get  
            Return _Level  
        End Get  
        Set(value As String)  
            _Level = value  
        End Set  
    End Property  
  
    Public Property UserName As String  
        Get  
            Return _UserName  
        End Get  
        Set(value As String)  
            _UserName = value  
        End Set  
    End Property  
  
    Public Property Head As String  
        Get  
            Return _Head  
        End Get  
        Set(value As String)  
            _Head = value  
        End Set  
    End Property  
End Class


        七层的学习总是在参考博客,学到了很多东西,棒棒的,就像米老师今天说的站在巨人的肩膀上学习。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 34
    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 34
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