ajax实现

ajax实现的动态下拉菜单{{{2
http://blog.sina.com.cn/s/blog_49e64814010005b8.html


js验证表单radio必填项{{{2
http://js.alixixi.com/a/2011030268075.shtml
jQuery&AJAX的几种方法{{{2
http://wenku.baidu.com/link?url=63fAXPA_rI3Bu_7jerAEWptL_4vy3GOkau8WB8XnKy7KYLHw4zXfx25GZGQ3z6TQXVL1-9ceBo1OxbT4630-e4kcGpzZEy9SPtjVZGXatV7
http://sunyimaying0925-gmail-com.iteye.com/blog/714328
www.blogjava.net/tianya0801/archive/...
json{{{3
http://java-xb.iteye.com/blog/1463107
-网上人说建议使用json2.js
http://www.json.org/ 官网
http://tong901.blog.163.com/blog/static/409750822010339188266/ 6个包


从数据库返回性别0,1读取时在jsp页面中用radio表示
http://zhidao.baidu.com/link?url=_GwVlBYYJbgABQwE3aZZSDS5Wz6qhe86qOkJFs-W022mGOMD5htRDS4A9pPXg8UHl9cLZN2J9KPtVVM6jt1-yq
http://zhidao.baidu.com/question/202827497.html?qbl=relate_question_0&word=jsp%20%CA%FD%BE%DD%BF%E2%20%BB%B9%D4%AD%20radio%20group


jquery的checked以及disabled 下面只提到checked,{{{2
其实disabled在jquery里的用法和checked是一模一样的


下边两种写法没有任何区别 只是少了些代码而已...


-----------------------------------------------------------
<input id="cb1" type="checkbox" checked />
<input id="cb2" type="checkbox" checked="checked" />
yi wang{{{3
大概看了下你的代码 是如果有一个没选 所有的都要标红吗?如果只是想把没选的标红 那个red的语句应该放在循环里面。


其实最好写一个标红的class 然后动态用jquery添加和删除
.removeClass("active");
.addClass("active");

}




js 只能输入特定词{{{1
http://www.baidu.com/s?tn=5igb_dg&wd=js%20%D6%BB%C4%DC%CA%E4%C8%EB%CC%D8%B6%A8%B4%CA


http://www.360doc.com/content/12/0322/16/7769812_196686108.shtml
http://www.cainiao8.com/web/js_note/js_regular_expression_blueidea.html


检测网页从服务器到客户端的时间{{{1
dom 生命周期


  • 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