简单阻塞队列实现2

package com.security.dpi.das.fileprocess;

import java.util.LinkedList;
import java.util.Queue;
import java.util.concurrent.locks.Condition;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;
//简单阻塞队列实现2
public class SimpleBlockingQ
{
public SimpleBlockingQ()
{
// TODO Auto-generated constructor stub
}
// Lock 替代了 synchronized 方法和语句的使用,Condition(await(),signalAll())
// 替代了 Object (wait(), notifyAll())监视器方法的使用。
// synchronzied Condition
// lock();
// unlock();
// wait(); await();
// notify(); signal();
// notifyAll(); signalAll();
// ReentrantLock和Synchronized
// Synchronized是Lock的一种简化实现,一个Lock可以对应多个
// Condition,而synchronized把Lock和Condition合并了,一个
// synchronized Lock只对应一个Condition,可以说Synchronized是
// Lock的简化版本。
// 在JDK 5,Synchronized要比Lock慢很多,但是在JDK 6中,它们的
// 效率差不多。
// 不要在Lock和Condition上使用wait、notiffy、notifyAll方法!

private Lock lock = new ReentrantLock();
// 一个锁可以创建多个Condition
private Condition notEmpty = lock.newCondition();
private Condition notFull = lock.newCondition();
private int maxLength = 10;
private Queue<Object> q = new LinkedList<Object>();

public Object take() throws InterruptedException {
lock.lock();
try {
if(q.size() == 0) {
// 要执行await操作,必须先取得该Condition的锁。
// 执行await操作之后,锁会释放。
// 被唤醒之前,需要先获得锁。
notEmpty.await();
}
if(q.size() != maxLength) { //判断是否满,满就叫醒其他线程来取 没有满继续移除
notFull.signalAll();
}
return q.poll();
} finally {
lock.unlock();
}
}

public void ofter() throws InterruptedException {
lock.lock();
try {
if(q.size() > 0) {
// 要执行signal和signalAll操作,都必须先取
// 得该对象的锁。
notEmpty.signalAll();
}
if(q.size() == maxLength) {
notFull.await(); // 如果满了就阻塞 需要其他线程来取 没满就添加
}
q.add(notEmpty);
} finally {
lock.unlock();
}
}
}
  • 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