Extract

package net.tqm.view.action;

import java.awt.event.MouseAdapter;
import java.awt.event.MouseEvent;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;

import javax.swing.JButton;
import javax.swing.JOptionPane;

import net.tqm.view.FileUtil;

public class Extract
{
    public static void act(JButton jbtnRuntimeFromLog)
    {
        jbtnRuntimeFromLog.addMouseListener( new MouseAdapter()
        {
            @Override
            public void mousePressed( MouseEvent e )
            {
                fetchRunTimeFromConfig();
            }
        } );
    }
    
    private static void fetchRunTimeFromConfig()
    {
        File file = FileUtil.selectFile( "D:\\" );
        if( file == null )
        {
            JOptionPane.showMessageDialog( null, "没有选择文件!" );
            return;
        }
        BufferedReader reader = null;
        try
        {
            System.out.println( "以行为单位读取文件内容,一次读一整行:" );
            reader = new BufferedReader( new FileReader( file ) );
            String tempString = null;
            // 一次读入一行,直到读入null为文件结束
            while( ( tempString = reader.readLine() ) != null )
            {
                String ss = null;
                if( tempString.contains( "Run sql:" ) )
                {
                    ss = tempString.substring( tempString.indexOf( "2014" ), tempString.indexOf( "DEBUG" ) )
                        + tempString.substring( tempString.indexOf( "time:" ) )
                        + spaceCount( tempString.substring( tempString.indexOf( "time:" ) ).length() )
                        + tempString.substring( tempString.indexOf( "Run sql:" ), tempString.indexOf( "time:" ) );
                    System.out.println( ss );
                }
            }
            reader.close();
        }
        catch( IOException e )
        {
            e.printStackTrace();
        }
        finally
        {
            if( reader != null )
            {
                try
                {
                    reader.close();
                }
                catch( IOException e1 )
                {
                }
            }
        }
    }
    
    private static String spaceCount( int length )
    {
        String space = "";
        for( int i = 0; i < 15 - length; i++ )
        {
            space += " ";
        }
        return space;
    }

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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