自定义日期

</pre><pre name="code" class="java">import java.util.Date;
import java.util.Random;
import java.text.SimpleDateFormat;
import java.text.DateFormat;

/* * *类名:UtilDate 
      *功能:自定义日期 
      *详细:工具类,可以用作获取系统日期、订单编号等
      *版本:3.3 
      *日期:2015-01-28 
*/
public class UtilDate { 
     /** 年月日时分秒(无下划线) yyyyMMddHHmmss */ 
     public static final String dtLong = "yyyyMMddHHmmss"; 

     /** 完整时间 yyyy-MM-dd HH:mm:ss */
     public static final String simple = "yyyy-MM-dd HH:mm:ss";

     /** 年月日(无下划线) yyyyMMdd */ 
     public static final String dtShort = "yyyyMMdd";

      /** * 返回系统当前时间(精确到毫秒),作为一个唯一的订单编号 
              * @return
               * 以yyyyMMddHHmmss为格式的当前系统时间 
               */
            public static String getOrderNum(){
               Date date=new Date();
                DateFormat df=new SimpleDateFormat(dtLong);
               return df.format(date);
        }

         /** * 获取系统当前日期(精确到毫秒),格式:yyyy-MM-dd HH:mm:ss 
             * @return 
              */
      public static String getDateFormatter(){
         Date date=new Date();
          DateFormat df=new SimpleDateFormat(simple);return df.format(date);
       }
 
       /** * 获取系统当期年月日(精确到天),格式:yyyyMMdd * @return */
        public static String getDate(){
                 Date date=new Date();
                 DateFormat df=new SimpleDateFormat(dtShort);
                  return df.format(date);
            }
          /** * 产生随机的三位数 
              * @return 
                            */
           public static String getThree()
                        Random rad=new Random();
                     return rad.nextInt(1000)+"";
         }
  }


  • 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