学习笔记:2_Spring_AOP之基于注解方式配置Bean_2

Spring提供3个@Component注解衍生注解(功能一样)取代<bean class="">
@Component:基本注解,标识了一个受Spring管理的Bean组件
@Controller:标识表现层(Action层)Bean组件
@Service:标识服务层(业务层)Bean组件
@Repository:标识持久层(Dao层)Bean组件
目前4种注解意思是一样,并没有什么区别,区别只是名字不同。

@Autowired:表示自动装配,默认按类型匹配的方式,在容器查找匹配的Bean,

当有且仅有一个匹配的Bean时,Spring将其注入@Autowired标注的变量中。


1)        创建带有@Controller注解的表现层

package com.spring.scan;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Controller;

//@Controller:标识表现层(Action层)Bean组件
@Controller
public class TestAction {
//@Autowired:表示自动装配,默认按类型匹配的方式,在容器查找匹配的Bean,
//当有且仅有一个匹配的Bean时,Spring将其注入@Autowired标注的变量中。
@Autowired  //自动装配吵着IOC中有没有TestService类型的Bean
private TestService service;
public void execute(){
System.out.println("带有@Controller注解的表现层execute方法");
service.add();
}
}


2)        创建带有@Service注解的服务层

package com.spring.scan;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

//@Service:标识服务层(业务层)Bean组件
@Service
public class TestService {
//@Autowired:表示自动装配,默认按类型匹配的方式,在容器查找匹配的Bean,
//当有且仅有一个匹配的Bean时,Spring将其注入@Autowired标注的变量中。
@Autowired  //自动装配吵着IOC中有没有TestDao类型的Bean
private TestDao dao;
public void add(){
System.out.println("带有@Service注解的服务层add方法");
dao.insert();//通过注解方式装配后不需要new一个新对象了
}
}


3)        创建带有@Repository注解的持久层

package com.spring.scan;

import org.springframework.stereotype.Repository;

//@Repository:标识持久层(Dao层)Bean组件
@Repository
public class TestDao {
public void insert(){
System.out.println("带有@Repository注解的持久层insert方法");
}
}


4)        配置文件和main方法



5)        执行结果



  • 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