项目一回顾

FileUploadUtils:
根据item.isFormField()查看文件是否是form表单数据
如果是的话map.put(fieldName, value);
否则证明是要待上传的文件,是的话将其保存到磁盘上,并在将其绝对路径放入map中:map.put(fieldName, basePath);


DruidUtils:
数据库连接工具


HttpUtils:
获取请求体
request.getInputStream(),然后用outstream写入,返回outstream。


listener:
listener监听的对象是servletContext,监听的事件是context的创建和销毁。
在创建的时候就读取application.properties配置文件中的信息,配置响应的ip和端口号。


以下分为admin(后台)和mall(前台):


admin:

Filter:
Filter分为init、doFilter和destroy,在doFilter中写代码,因为request进入之前先经过Filter,response出去之前也要最后经过Filter,所以,在Filter中可以解决request和response的中文乱码问题。

同时也可以对一些请求进行拦截,针对需要拦截的,判断有无session数据,有则不拦截,无则拦截。


根据MVC架构,分为四层:controller层(C)、service层和dao层(M)、view层(V)。

controller层:controller是中间层,它根据传入的请求调用model层的代码,并根据其返回的结果调用不同的view。

根据前端返回的不同的请求,写了4个不同的servlet:AdminServlet、GoodsServlet、OrderServlet、UserServlet。

下面我介绍以下AdminServlet:
AdminServlet:主要功能是管理员的login(登录)、getSearchAdmins(关键字查找查找)、addAdminss(添加)、updateAdminss(更新)、logoutAdmin(退出登录)、changePwd(更改密码)、allAdmins(查看所有管理员信息)、deleteAdmins(删除)、getAdminsInfo(获取某个管理员的详细信息)。

这些功能实现的大致思路基本相同:

  1. 获取请求体(利用HttpUtils)
  2. 调用service层的某个模块的代码
  3. 做出响应(response。getWriter())。即根据service层不同的返回结果返回不同的VO

service层:
service层写的是一个接口+一个实现类的形式。如AdminService和AdminServiceImp
service层同时又会调用dao层的代码

dao层:
dao层同样写的是一个接口+一个实现类的形式。如AdminDao和AdminDaoImp
AdminDaoImp中会写详细的代码:如从数据库中增删改查。

view层主要分两种:
BO:business object业务对象
主要作用是把业务逻辑封装为一个对象。这个对象可以包括一个或多个其它的对象。
用来处理业务逻辑

VO:value object值对象
ViewObject表现层对象
主要对应界面显示的数据对象。对于一个WEB页面,用一个VO对象对应整个界面的值。


动态SQL的思想:根据传入参数的不同设置不同的sql语句
比如查找管理员,可以按照昵称、账号或者其中的某个字符进行查找。

    //动态sql的思想
    //mybatis的一个特点
    private Map<String, Object> getDynamicSql(Admin admin) {
        //base用来装sql语句,params用来装参数
        String base = "select * from admin where 1 = 1";
        List<String> params = new ArrayList<>();
        if (!StringUtils.isEmpty(admin.getEmail())) {
            base = base + " and email like ?";
            params.add("%" + admin.getEmail() + "%");
        }
        if (!StringUtils.isEmpty(admin.getNickname())) {
            base = base + " and nickname like ?";
            params.add("%" + admin.getNickname() + "%");
        }

        Map<String, Object> map = new HashMap<>();
        map.put("sql", base);
        map.put("params", params);
        return map;
    }

用一个base(“select * from admin where 1 = 1”)来承接前半段SQL语句,当昵称这一栏不空的时候就在base后拼接上 and nicknamelike ?,如果邮箱不空就在后面拼接上 and email like ?。
最后将base(key)和params(value)放在一个map中。


接下来举一个例子,单拎出一个getSearchAdmins(关键字查找查找)来讲:
localhost:8084/api/admin/admi/getSearchAdmins

  1. 先经过Filter,对request对象进行过滤,将其编码格式设置为utf-8,校验,不需要拦截,直接通过。
  2. 进入controller层,/api/admin/admi/getSearchAdmins,在controller层对不同的url进行了不同的处理,/资源名为/getSearchAdmins,转入到相应的方法对其进行处理。
  3. 首先利用HttpUtils获取request请求体,用Gson将json字符串转换成BO对象的形式,
    然后调用service层的方法,获取返回的满足条件的admin对象。
  4. 进入service层,service层继续调用dao层的方法
  5. 在dao层中首先写了上面讲过的动态SQL的方法,然后会在具体的业务代码中调用它。
    首先获取动态SQL的map,从map中获取到sql语句以及其对应的参数
    然后利用DruidUtils封装的数据库连接工具获取一个数据源DataSource,利用它进行查询,将查询结果返回。

为啥要设置service层和dao层?
有一些复杂的逻辑需要分层来实现,解耦
比如GoodsServlet中的updateGoods(更新商品),用户可能更新完商品后必须得更新spec,这样可以在service层中更新goods,在dao层中更新spec,spec就是其不同的种类:比如一个篮球鞋的页面,不同的配色有着不同的价格,比如A配色500元,库存100双,B配色600元,库存50双。A和B就是spec表中的两条数据,他们的goodsId是相同的。而goods表中有price列和stockNum列,在显示的时候就会显示最小的价格和最大的库存。
首先在service层中利用goodsId更新goods,不管商品怎么变,goodsId是不会变的,这样就可以先更新商品的属性。
然后再调用dao层的方法更新spec


每次返回json数据的时候都是gson.toJson(Result.ok(goodsTypeVOS))这种形式。
为什么要写Result类?


这个项目中你遇到的问题?

  1. 前端要求返回的是一个json对象,但有的时候总是返回一个java对象,应当利用gson.toJson()进行返回。
  2. 多条件查询的时候也出现了bug,每次查出来的数据都是所有的数据,一层一层dug,然后发现动态SQL方法中写错了,本应是email或nickname不空的时候在base后面拼接,但是后来发现我写的是空的时候才拼接,所以base一直是select * from admin where 1 = 1;
  3. 添加商品的时候并不能显示商品图片,也就是上传图片出现问题,后来问题在Result中,我写了两个名为ok的静态方法,一个传入的是Object data,另一个传入的是String message,上传图片的过程是以字符串的形式传的一个路径,所以调用的其实是第二个方法,调用第二次方法是将传入的字符串的值传给message。
  4. 在SQL的查询中,某一列列名如果和SQL语句中的关键字一样,应当加``。
  5. 上传图片的时候,没法儿上传中文路径的图片,然后在Tomcat的VM options中加了一句代码:-Dfile.encoding=UTF-8。
  6. java.sql.SQLException: Wrong number of parameters: expected 0, was given 1 Query: select id, specName, stockNum, unitPrice from spec where goodsId = ? Parameters: [22],报错的意思是:期待收到0个参数,你却给了1个参数。
    仔细看, select id, specName, stockNum, unitPrice from spec where goodsId = ?
    中的?写成了中文。
  7. 如果在开发目录下复制了一个文件,必须rebuild project,这样才能让这个文件也出现在部署目录下。
  • 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

-玫瑰少年-

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