fatory的模拟

package com.wenwen.drp.beanfactory;

import java.util.HashMap;
import java.util.Map;

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;

import org.dom4j.io.SAXReader;

import com.wenwen.drp.basedata.dao.ItemDao;
import com.wenwen.drp.basedata.manager.ItemManager;

public class BeanFactory {
/*
 *装下所用的dao对象
 * */ 
private Map daoMap = new HashMap();
 /*
  * 装下所有的service对象
  * */
 private Map serviceMap = new HashMap();
 private static BeanFactory factory = new BeanFactory();	
 private final String config_file="bean_config.xml";
 private Document doc;
 /*
  * 初始化时将bean_config.xml读取到内存当中
  * */
public BeanFactory(){
	SAXReader reader=new SAXReader();
	try {
		doc = reader.read(Thread.currentThread().getContextClassLoader()
				.getResourceAsStream(config_file));
	} catch (DocumentException e) {
		e.printStackTrace();
	}
}
/*
 * 单例化创建工厂
 * */
public static BeanFactory newInstanse(){
	return factory;
}
/*
 * 拿到dao的完全路径,反射机制创建对象
 * */
///Element beanElt = (Element)doc.selectSingleNode("//service[@id=\"" + serviceId + "\"]");
public Object getInstanceDao(String daoId){
	Object dao = null;
	//若daoMap中存在daoId,说明已经有了这个dao,则直接返回这个daoMap即可
	if(daoMap.containsKey("daoId"))
		return daoMap;
	Element elt = (Element) doc.selectSingleNode("//dao[@id=\""+daoId+"\"]");
	String className = elt.attributeValue("class");
	try {
		dao=Class.forName(className).newInstance();
		daoMap.put(daoId, dao);
	} catch (Exception e) {
		e.printStackTrace();
	}
	//将创建好多的对象放到Map中
	return dao;
}
/*
 * 创建mservice
 * */
public Object getInstanceService(String serviceId){
	Object service = null;
	//若serviceMap中存在serviceId,说明已经有了这个service,则直接返回这个serviceMap即可
	if(serviceMap.containsKey("serviceId"))
		return serviceMap;
	Element elt = (Element) doc.selectSingleNode("//service[@id=\""+serviceId+"\"]");
	String className = elt.attributeValue("class");
	try {
		service=Class.forName(className).newInstance();
		serviceMap.put(serviceId, service);
	} catch (Exception e) {
		e.printStackTrace();
	}
	//将创建好多的对象放到Map中
	return service;
}
public static void main(String[] args){
	ItemDao itemdao = (ItemDao) factory.newInstanse().getInstanceDao("itemdao");
	System.out.println(itemdao);
	ItemManager manager = (ItemManager) factory.newInstanse().getInstanceService("itemManager");
	System.out.println(manager);
}
}

<?xml version="1.0" encoding="UTF-8"?>
<bean>
<dao id="itemdao" class="com.wenwen.drp.basedata.dao.Dao4OracleImpl"/>
<service id="itemManager" class="com.wenwen.drp.basedata.manager.ItemManager"/>
</bean>

  • 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