Oracle 常用函数

  1. select round(10.38764, 3) round from dual;     --四舍五入。10.388  
  2. select trunc(10.38764, 3) trunc from dual;       --截断。10.387  
  3. select to_char(sysdate, 'yyyy-MM-dd hh24:mi:ss') to_char from dual;    --日期转字符。2016-02-26 18:07:35  
  4. select to_date('2000-1-1 18:18:18''yyyy-MM-dd hh24:mi:ss') to_date from dual;     --字符转日期。2000/1/1 18:18:18  
  5. select lower('ABC'lower from dual;    --大写转小写。abc  
  6. select upper('abc'upper from dual;    --小写转大写。ABC  
  7. select length('How long is this sentence') length from dual;   --字符长度。25  
  8. select last_day(trunc(sysdate)) last_day from dual;    --当月最后一天的日期。2016/2/29  
  9. select next_day(sysdate, 7) next_day from dual;    --当前日期的下一个星期六的时间,7代表星期六。2016/2/27 18:07:35  
  10. select to_number('12') to_number from dual;    --字符转数字。12  
  11. select decode('y''y''yes''n''no') decode from dual;    --判断,如果y等于y,返回yes,如果等于n,返回no。yes  
  12. select least(2, 8, 1, 3, 9) least from dual;    --最小数字。1  
  13. select greatest(2, 8, 1, 3, 9) greatest from dual;   --最大数字。9  
  14. select nvl('1''2') nvl from dual;    --第一个参数不为null,返回第一个值,否侧返回第二个值。1  
  15. select concat('con''nect') concat from dual;    --连接字符串。connect  
  16. select abs(-6) abs from dual;   --绝对值。6  
  17. select cos(1) cos from dual;   --余弦。0.54030230586814  
  18. select sin(1) sin from dual;    --正弦。0.841470984807897  
  19. select acos(1) acos from dual;   --反余弦。0  
  20. select asin(1) asin from dual;   --反正弦。1.5707963267949  
  21. select tan(1) tan from dual;   --正切。1.5574077246549  
  22. select atan(1) atan from dual;  --反正切。0.785398163397448  
  23. select tanh(1) tanh from dual;   --双曲函数。0.761594155955765  
  24. select ln(0.7) ln from dual;     --对数。-0.356674943938732  
  25. select ceil(9.6) ceil from dual;   --大于9.6最小整数。10  
  26. select floor(9.6) floor from dual;     --小于9.6最大整数。9  
  27. select sqrt(9) sqrt from dual;     --平方根。3  
  28. select replace('a,b,c',',',''replace from dual;   --替换。abc  
  29. select replace(wm_concat(a.family_name),',','') wm_concat from  (select * from  (select '张' family_name from dual  
  30. union select '三丰' first_name from dual) t order by nlssort(t.family_name,'NLS_SORT=SCHINESE_PINYIN_M'desc) a;       --字段连接(附带replace用法,汉字排序,union用法)。张三丰  
  31. select ltrim('  abc') ltrim from dual;     --去掉左空格  
  32. select rtrim('abc   ') rtrim from dual;    --去掉右空格  
  33. select substr('abcdef',3,2) from dual;       --截取第n个字符开始,长度为m的字符串。cd  
select round(10.38764, 3) round from dual;     --四舍五入。10.388
select trunc(10.38764, 3) trunc from dual;       --截断。10.387
select to_char(sysdate, 'yyyy-MM-dd hh24:mi:ss') to_char from dual;    --日期转字符。2016-02-26 18:07:35
select to_date('2000-1-1 18:18:18', 'yyyy-MM-dd hh24:mi:ss') to_date from dual;     --字符转日期。2000/1/1 18:18:18
select lower('ABC') lower from dual;    --大写转小写。abc
select upper('abc') upper from dual;    --小写转大写。ABC
select length('How long is this sentence') length from dual;   --字符长度。25
select last_day(trunc(sysdate)) last_day from dual;    --当月最后一天的日期。2016/2/29
select next_day(sysdate, 7) next_day from dual;    --当前日期的下一个星期六的时间,7代表星期六。2016/2/27 18:07:35
select to_number('12') to_number from dual;    --字符转数字。12
select decode('y', 'y', 'yes', 'n', 'no') decode from dual;    --判断,如果y等于y,返回yes,如果等于n,返回no。yes
select least(2, 8, 1, 3, 9) least from dual;    --最小数字。1
select greatest(2, 8, 1, 3, 9) greatest from dual;   --最大数字。9
select nvl('1', '2') nvl from dual;    --第一个参数不为null,返回第一个值,否侧返回第二个值。1
select concat('con', 'nect') concat from dual;    --连接字符串。connect
select abs(-6) abs from dual;   --绝对值。6
select cos(1) cos from dual;   --余弦。0.54030230586814
select sin(1) sin from dual;    --正弦。0.841470984807897
select acos(1) acos from dual;   --反余弦。0
select asin(1) asin from dual;   --反正弦。1.5707963267949
select tan(1) tan from dual;   --正切。1.5574077246549
select atan(1) atan from dual;  --反正切。0.785398163397448
select tanh(1) tanh from dual;   --双曲函数。0.761594155955765
select ln(0.7) ln from dual;     --对数。-0.356674943938732
select ceil(9.6) ceil from dual;   --大于9.6最小整数。10
select floor(9.6) floor from dual;     --小于9.6最大整数。9
select sqrt(9) sqrt from dual;     --平方根。3
select replace('a,b,c',',','') replace from dual;   --替换。abc
select replace(wm_concat(a.family_name),',','') wm_concat from  (select * from  (select '张' family_name from dual
union select '三丰' first_name from dual) t order by nlssort(t.family_name,'NLS_SORT=SCHINESE_PINYIN_M') desc) a;       --字段连接(附带replace用法,汉字排序,union用法)。张三丰
select ltrim('  abc') ltrim from dual;     --去掉左空格
select rtrim('abc   ') rtrim from dual;    --去掉右空格
select substr('abcdef',3,2) from dual;       --截取第n个字符开始,长度为m的字符串。cd
  1. select add_months(trunc(sysdate),1) from dual;  -- 下一个月的日期。如果是-1,上一个月日期  
select add_months(trunc(sysdate),1) from dual;  -- 下一个月的日期。如果是-1,上一个月日期

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 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
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