传智播客——Struts(3)

最后一天Struts的冲刺了。坚持下去,阳光总在风雨后······

今天学习的主要内容是Validator框架,DispatchAction类,MappingDispathAction类,动态ActionFormStruts国际化。老样子,下面对今天所学知识做个简单的复习吧!

1.       Validate框架:

1<form>元素:为表单配置验证规则,它的 name 属性指定了表单的名字.<form>元素可以包含一个或多个<field>子元素

2<field>元素:配置表单中字段的验证规则

property:指定 ActionForm Bean 中需要进行验证的字段的名字

depends:指定字段的验证规则,多个验证规则之间以逗号隔开

3<msg>元素:指定验证规则对应的消息文本。该消息文本将替代在 validator-rules.xml 文件中为验证规则配置的默认的消息文本

name:指定验证规则的名字

key:当 resource true 时,该属性指定消息 key,该消息 key 应该在 Resource Bundle 中存在,当 resource false 时,该属性直接指定消息文本

resource:当该属性为true时,表明使用来自于 Resource Bundle 的消息;如果为 false,表明 直接在 key 属性中设置消息文本,默认为 true

4arg 元素:替换符合消息中的参数

namekeyresource 元素同上

position 元素:指定替换符合消息中的参数的位置

5var 元素:向验证规则传递参数

<arg> 元素也可以访问<var>元素,语法为${var:var-name}

2.       Action——>DispatchAction: 如果每个请求都新建立一个 Action , 会导致 Action 类很多, 不便于开发和维护,使用 DispatchAction 可以使多个请求对应一个 Action;缺点: 因为多个请求共用一个 DispatchAction, 导致在 struts-config.xml 文件中只做了一个 action 配置,这将使多个请求可能共用一个 ActionForm, 从而使表单验证出现冲突; 在配置文件中不能直接看出该 action 到底应答多少个请求

DispatchAction——> MappingDispatchAction: 可以解决 DispatchAction 的不足, 它将为每个请求都做一个配置, 但这些配置使用的是一个 Action ; 缺点: 导致 action 的配置增多, 维护配置文件难度加大.

3.       动态ActionForm范例:

<form-beans>

        <form-bean

             name="loginForm"

             type="org.apache.struts.action.DynaActionForm">

             <form-property   name = "email“  type="java.lang.String"/>

             <form-property   name = "password“  type="java.lang.String"/>

        </form-bean>

</form-beans>

4.       Struts国际化过程中须注意:

1)文件上传的步骤:

1. jsp 页面 form 标签添加 enctype="multipart/form-data" 属性.

2. 导入 commons-fileupload.jar commons-io.jar

3. ActionForm 中添加 org.apache.struts.upload.FormFile 类型的字段

4. Action 中利用 io 进行文件的上传操作!

2)解决中文乱码问题

1. 使用 Filter

2. 使用自己定制的 ActionServlet

3. 使用自己定制的 RequestProcessor

好了,Struts到此结束,明天休息一天,后天JS加强,明天调整一天,后天再见。

  • 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