maven学习笔记一

注:对于Maven详述可参见该博主的博客《Maven详述》
一、Maven,主要用它来管理项目中的jar包。maven 项目在默认情况下会产生 JAR 文件,编译后 的 classes 会放在 basedir/target/classes 下面, JAR 文件会放在 ${basedir}/target 下面。这里写图片描述

1、到官网下载最新的maven( 地址:http://maven.apache.org/)或是百度云直接下载(http://pan.baidu.com/s/1skSsqLn或CSDN下载地址http://download.csdn.net/detail/whb5566/9861944)
2、解压放到你想放的位置(例如:O:/apache-maven-3.3.9)。配置环境变量 MAVEN_HOME=O:\apache-maven-3.3.9 这里写图片描述

并把MAVEN_HOME加入到PATH中 %MAVEN_HOME%\bin
这里写图片描述
(注:由于Maven依赖Java运行环境,因此使用Maven之前需要配置Java的运行环境)
3、配置完毕后,在Windows命令提示符下在cmd中输入 mvn -version 查看是否配置成功,如果显示maven版本信息和javaJDK相关信息表示配置成功,如下:
这里写图片描述
4、配置本地仓库。打开O:\apache-maven-3.3.9\conf下的settings.xml文件。设置localRepository的值为本地仓库的路径,如下:
这里写图片描述
打开命令提示符,输入:mvn help:system
该命令会打印出所有的java系统属性和环境变量,这些信息对我们日常的编程工作很有帮助,如果运行的过程中没有错误,打开我们仓库(O:\apache-maven-3.3.9\localRepository)会发现里面多了一些文件,这些文件就是我们从maven的中央仓库下载到本地仓库的(可能要几分钟,直到如下图为止)。
这里写图片描述
二、Myeclipse配置maven
1、打开Myeclipse, 进入window-preference-myeclipse-maven4Myeclipse,设置maven安装路径
这里写图片描述
设置本地库地址
这里写图片描述
之后就可以新建一个基于maven的web项目,点击选择File-New Project-web project,如下
这里写图片描述
完成后,打开pom.xml可以看到myeclipse自动生成的依赖。
点击项目文件,右键->Run as->Maven install将依赖install至本地maven库
(注:遇到-Dmaven.multiModuleProjectDirectory system property is not set. Check $M2_HOME environment variable and mvn script match问题时,解决方法如下:
打开Preference->Java->Installed JREs->Edit 选择一个jdk
这里写图片描述
将项目部署至TOMCAT服务器,启动,完毕。
Eclipse配置maven操作可以参考https://jingyan.baidu.com/article/59703552cb9b988fc00740a4.html

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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