- 博客(154)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 MySQL之详解索引
文章目录MySQL索引1.索引是什么?2.索引的优劣势?3.索引的分类3.1 单列索引3.2 组合索引3.3 全文索引（MyISAM,InnoDB5.6以后)3.4 空间索引4.索引的使用4.1 索引相关语句4.1.1 单列索引之普通索引4.1.2 单列索引之唯一索引4.1.3 单列索引之全文索引4.1.4 组合索引4.1.5 删除索引4.1.6 查看索引5.索引原理分析5.1 索引的存储结构5.1.1 B树5.1.2 B树和B+树的区别5.2 聚集索引(InnoDB)5.3 非聚集索引(MyISAM)5.
2021-03-30 19:35:14
12890
1
原创 JavaEE概述以及总结心得
JavaEE概述以及总结心得Servlet生命周期JavaEE_01lifecycle学习任务: 浏览器的任务:请求，处理，响应 servlet任务:接收请求，通过对应的java代码处理请求，处理之后对其发出响应 servlet由服务器创建，是单例的 项目发布: tomcat集成进来注意:1,添加tomcat2,配置D:\Program Files (x86)\apache-tomcat-9.0.33\webapps 卸载:1,Delete 2,Servers文件夹3,serve
2021-03-12 07:23:00
1103
3
原创 机器视觉任务中语义分割方法的进化历史
U-net的一个创新之处在于其跳跃连接（skip connections），它将编码器中的深层特征与解码器中的浅层特征相结合，弥补了在下采样过程中可能丢失的细节，从而提高了分割的精度。在编码器中，3×3的卷积层后接一个ReLU激活函数，然后通过最大池化层进行下采样，这样不断重复，虽然特征图的尺寸在减小，但特征通道的数量却在增加。这种方法适用于那些灰度值分布具有明显层次的图像。总的来说，Transformer在图像分割中的应用前景广阔，它提供了一种新的视角来处理图像分割问题，有望推动这一领域的进一步发展。
2024-05-10 16:25:46
581
原创 这么受欢迎的Transform到底解决了什么问题？
目前有很多注意力机制的变形体，轴注意力机制、交叉注意力机制、窗口注意力机制、十字注意力机制以及基于超像素的注意力机制。其中，最大的瓶颈就是，使用注意力机制计算会使模型参数成几何级增加，使用单一注意力机制又不能很好的获得整体特征，难免会丧失长距离或像素块间的依赖关系，导致很难应用在一些具有特殊性的图像而言。随着ChatGPT的应用，我们应该认识到对ChatGPT提出的问题（咒语或提示词）十分关键，高质量的标准化，规范化提示词，能够更好的让机器理解，并得到想要的答案，否则机器回答的可能牛唇不对马嘴。
2024-05-08 14:36:19
769
原创 RK3588环境部署教程
1、安装完成后设置linux和win之间可以相互复制、粘贴，教程https://blog.csdn.net/ssz__/article/details/126921531。进入rknn-toolkit2-15\rknn_toolkit_lite2\examples\inference_with_lite文件，5、安装rknn库，进入rknn–toolkit2文件的rknn_toolkit_lite2>package，注意这个安装aarch版本。即可，安装完成后打开终端，会出现（base）即安装成功。
2024-04-30 17:21:15
1469
原创 计算机视觉领域学习资料及代码
计算机视觉深度学习是一个充满活力和挑战的领域，目前。计算机视觉可用于各种任务，如面部识别、目标检测、图像分割、运动估计和跟踪等。
2024-04-12 11:55:19
318
原创 一篇文章弄懂卷积神经网络基础概念
下采样即由输入图像中提取特征。其中有两个作用，一是减少计算量，防止过拟合；二是增大感受野，使得后面的卷积核能够学到更加全局的信息。下采样常用的方式有两种：采用stride为2的池化层和采用stride为2的卷积层（下采样的过程是一个信息损失的过程）。上采样即将图像恢复到原来的尺寸（使图像由小分辨率映射到大分辨率）。其目的是为了进一步计算（图像补全、图像的语义分割），上采样常用的方式有三种：插值法、转置卷积以及Up-Pooling。
2023-05-23 22:44:04
302
原创 一篇文章搞懂OpenCV之图像特征
图像特征即图像中独特的，易于跟踪和比较的特定模板或特定结构，例如我们肉眼可见的颜色、形状、轮廓以及亮度等等这些都可以认为是图像特征。图像特征主要有图像的颜色特征、纹理特征、形状特征和空间关系特征。
2023-04-27 00:45:33
1243
原创 OpenCV基础之常见的图像梯度算子
梯度是一个向量，梯度方向指向函数变化最快的方向，大小就是它的模，也是最大的变化率。图像梯度是指在图像中某个位置处沿着某个方向的变化率，通常用于图像边缘检测和特征提取。
2023-04-24 22:24:15
1973
原创 OpenCV图像处理之傅里叶变换
傅里叶变换：即就是得到图像的低频和高频，然后针对低频和高频进行不同的处理。处理完之后，在通过逆变换恢复到图像，这时候对低频和高频的处理就会反映到图像上。
2023-04-19 23:01:59
1747
原创 基于OpenCv的图像分割(分水岭算法)
图像分割对于图像处理和计算机视觉领域非常重要，可以用于对象识别、图像分析、图像压缩等应用。注意：通常我们把前景目标的灰度值设为255，即白色，背景的灰度值设为0，即黑色。所以定义中的非零像素点即为前景目标，零像素点即为背景。所以图像中前景目标中的像素点距离背景越远，那么距离就越大，如果我们用这个距离值替换像素值，那么新生成的图像中这个点越亮。
2023-04-17 21:24:52
1485
原创 OpenCV基础之边缘检测与轮廓描绘
边缘检测：主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。轮廓检测：指在包含目标和背景的数字图像中，忽略背景和目标内部的纹理以及噪声干扰的影响，采用一定的技术和方法来实现目标轮廓提取的过程。主要用来分析物体的形态，比如物体的周长和面积等。
2023-04-09 07:41:48
2089
原创 OpenCV基础操作之图像的形态学运算
OpenCV在图像的形态学运算方面都是相较于图像中高亮部分而言，对应的二值化图像就是对白色区域进行膨胀或腐蚀。其主要作用是消除噪音、分割图像、连接图像、图像梯度的求取以及求局部最大值或最小值等。
2023-03-31 10:22:07
218
原创 数据结构之Trie(前缀树或字典树)
Trie(前缀树或字典树)特点：与二叉查找树不同，值不是直接保存在结点中，而是由结点在树中的位置决定，时间复杂度为O(W)，W为字符长度。一个节点的所有子孙都有相同的前缀，也就是这个结点对应的字符串，而根结点对应空字符串。应用：常用于统计，利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较。
2023-01-31 07:55:41
77
原创 数据结构之线段树
线段树特点：平衡二叉树，使用数组表示数的结构。通过给定的数组对象，获取需要生成线段树的高度(2的h-1次方大于数组长度,取h的最小值)；从而得到线段树所需数组的长度(2的h次方减1)；通过数组索引构建线段树。
2023-01-31 07:54:37
77
原创 数据结构之大根堆
最大堆：即优先级最高的元素是索引为0的元素。特点：即可以被看成由数组对象构成的树a、堆中的父亲节点总大于或等于其左右孩子节点的值；b、总是一颗完全二叉树(空的用0或null补充)。
2023-01-30 12:45:20
774
原创 数据结构之链表下的Map
Map是一个以键值对存储的接口。Map下有两个具体的实现，分别是HashMap和HashTable.Hashtable:底层是数组+链表，线程安全，效率低。不允许null键和null值HashMap:底层是数组+红黑树，线程不安全，效率高。允许null键和null值
2023-01-30 11:32:03
213
原创 数据结构之链表
特点：物理存储单元非连续，非顺序，最简单的动态数据结构。便于后面理解引用、递归以及树结构。优点：不需要处理固定容量的问题，真正的动态。缺点：丧失了随机访问的能力。
2023-01-28 19:46:15
81
原创 数据结构之数组下的循环队列
由于自定义的队列在出队操作时，需要将所有元素向前移动，时间复杂度为O(n)，比较浪费时间，所以优化为O(1)。我们就需要用到循环队列。正所谓:"用空间换时间”。解决方法：声明两个变量，分别指向队头和队尾。
2023-01-28 17:51:15
64
原创 数据结构之数组下的队列
数组下的队列 特点：只能从一端添加元素，从另一端删除元素(先进先出)。优先队列：出队顺序和入队顺序无关，只和优先级有关(堆)。
2023-01-28 17:41:01
40
原创 数据结构之概述数组
连续的内存空间，即就有了索引。注意索引从0开始。通过索引可以对数组进行增删改查。特点：有索引，可以赋予语义也可以没有语义，快速查询，长度初始化后就不能改变，即长度固定。使用泛型（”任意“类型的数组）->不可以是基本数据类型，只能是类对象。
2023-01-27 19:55:54
162
原创 Java基础之线程的创建方式
文章目录Java基础之线程的创建方式方式1：继承Thread类方式2：实现Runnable接口方式3：实现Callable接口方式4：线程池代码示例方式1：继承Thread类方式2：实现Runnable接口方式3：实现Callable接口测试类Java基础之线程的创建方式在编程过程中，我们会遇到很多高并发问题，而这恰恰就是多线程所导致的，下面就线程的创建方式简单的介绍一下，后期在并发编程和线程池再做详细介绍。方式1：继承Thread类缺点： Java语言是单继承，这就意味着不能继承其他的类了；而且
2022-04-16 11:01:07
373
原创 SpringMVC框架通过Excel批量导入数据
文章目录SpringMVC框架通过Excel批量导入数据1、导入需要的jar包2、配置文件3、创建Java对象类4、解析Excel表格数据的工具类5、前端请求6、Controller处理7、运行结果SpringMVC框架通过Excel批量导入数据在开发过程中，向数据库导入大量的数据是不可避免的，尤其是在数据管理系统中该功能的作用不容小视。前提： 该功能是基于Spring框架的，集成了Maven以及Tomcat等插件，前端我使用的jsp作为页面。1、导入需要的jar包注意jar包的依赖，有时候缺少一
2022-04-13 20:02:31
1715
原创 详解Spring框架的异步请求
文章目录详解Spring框架的异步请求1、导入响应的jar包（gson）2、前端请求3、后端逻辑处理并返回结果详解Spring框架的异步请求在开发过程中有异步请求和同步请求之分。同步请求（又称同步交互）：指发送一个请求，需要等待返回，然后才能够发送下一个请求；是流水线式的请求；在请求响应时会刷新整个页面。异步请求（又称异步交互）：指发送一个请求，不需要等待返回，随时可以再发送下一个请求；是非流水线式的请求；在请求响应时只会刷新页面的局部。区别：一个需要等待，一个不需要等待，在部分情况下，我们的
2022-04-12 11:05:04
1094
Spring框架实现Excel批量导入数据
2022-04-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人