8,代理模式

一:初始代理模式
包括:定义,,结构,参考实现
二:体会代理模式
包括:场景问题,不用模式解决方案,使用模式解决方案
三:理解代理模式
包括:认识代理模式,保护代理,java中的代理,代理模式的优缺点
三:思考代理模式
包括:代理模式的本质,对设计原则的体现,何时选用

一,初始代理模式

1,定义
为其它对象提供一种代理以控制对这个对象的访问。

2,结构和说明
在这里插入图片描述
Proxy:代理对象,通常具有以下功能:

  • 实现与具体的目标对象一样的接口,这样就可以使用代理带代替具体的目标对象
  • 保存一个指向目标对象的引用,可以需要的时候调用具体的目标对象
  • 可以控制对具体目标的对象访问,并可能负责创建和删除它
    Subject:
    目标接口,定义代理和具体目标对象的接口,这样就可以在任何使用具体目标对象的地方使用代理对象
    RealSubject:
    具体的目标对象,真正的实现目标接口要求的功能

3,访问多条数据
考虑:一次访问多条数据
背景:HR应用项目中,当选择一个部门或一个分公司后,要把这个部门或者分公司的所有员工显示出来,并且不要翻页。只需要显示名称,但是也要有一下功能:可以选择查看某个员工的详细信息
部门或者分公司可能有好几百人,怎么实现呢?

不用模式的解决方案(例子没有做)

select * from 用户表,部门表 where 用户表.deptId=部门表.deptId and 部门表。deptId like ‘用户查看的部门Id+%’
r

存在问题 :当一次性访问数据较多,且每条描述量又很大的话,那会消耗较多的内存
使用模式的解决方案
把具体的目标对象作为参数传到代理的构造中。(1+N次的查询问题)

二,理解代理模式

1,功能
代理模式是通过创建一个代理对象,用这个代理对象去代表真实对象,客户端得到这个代理对象后,对客户端没有影响,就跟得到真实的对象一样。
正是有了代理对象,相当于一个中转,中转的时候可以做很多事情,比如判断权限,数据格式改一下,打印日志,

2,分类

  • 虚代理:根据需要来创建开销很大的对象,该对象只有在需要的时候才会被创建
  • 远程代理:用来在不同的地址空间上代表同一个对象,在java中最典型的是RMI
  • copy-on-write代理:在客户端操作的时候,只用对象确实改变了,才会拷贝一个目标对象
  • 保护代理:控制对原始对象的访问,如果有需要,可以给不同的用户提供不同的访问权限,以控制它们对原始对象的访问(多用于对象应该有不同的访问权限的时候,代码详见example2)
  • cache代理:为那些昂贵的操作结果提供临时的存储空间,
  • 智能指引:在访问对象的时候执行一些附加操作

3,具体目标和代理关系
如果代理类能够完全通过接口来操作它所代理的目标对象,那么代理对象就不需要知道具体的目标对象,这样就无须为每一个具体类创建一个代理类。

4,java中的代理

  • java的静态代理,虚拟代理,缺点:假如Subject接口发生变化,那么代理类,和具体目标实现都要变化,不是很灵活。
  • 动态代理: 把使用java内建的对代理模式支持的功能来实现代理。
    静态代理:在Subject需要定义很多方法,代理类自然也需要实现很多方法
    动态代理:虽然Subject定义很多方法,但是动态代理只有一个invoke的方法,这样当Subjec接口发生变化的时候,动态代理接口不需要跟着变化(依靠反射,动态生成类的技术,代码详见example3)
    注意:先走动态代理,再走真实的具体对象里面
    实现AOP的重要手段
    5,优缺点
  • 远程代理:隐藏了对象存在不同的地址空间的事实,也即是客户通过远程代理去访问一个对象,根本不关心这个对象在哪里,也不关心网络去访问到这个对象,从客户的角度来看,它是使用代理对象而已
  • 虚代理:可以根据需要来创建大对象,只有到必须创建对象的时候,虚代理才会创建对象,
  • 保护代理:访问对象的前后,增加很多附加操作,给目标对象增加功能。
  • 智能指引:跟保护代理类似

四,思考代理模式

1,本质
控制对目标对象的访问。

2,代理类可以继承目标对象,对相应 的方法进行重写,进行控制,不想改变的super.method()

3,何时选用

  • 需要按照创建开销很大的对象的时候,可以使用虚代理
  • 需要为一个对象在不同的地址空间提供局部代表的时候
  • 需要控制对原始对象访问的时候
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

大道至简@EveryDay

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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