自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

一个会写点代码的dragon

dragon的“爱码士”之路

  • 博客(19)
  • 资源 (1)
  • 收藏
  • 关注

原创 redis从入门到集群(主从,集群,哨兵)

typora-copy-images-to: redistypora-root-url: redisRedis1. NoSql概述1.1 什么是Nosql随着web2.0的快速发展,非关系型、分布式数据存储得到了快速的发展,它们不保证关系数据的ACID特性。NoSQL概念在2009年被提了出来。NoSQL最常见的解释是“non-relational”,“Not Only SQ...

2018-11-27 23:40:36 345

原创 Spring学习笔记二(AOP原理-动态代理步步深入)

动态代理最近在复习Spring的相关知识,当看到AOP这一章的时候,难免会有一点感悟,因为最开始学AOP的时候简直是一头雾水,AOP是一种思想,官方也解释得非常得官方化小白作为入门很容易卡壳,毕竟学习一种思想的成本比学习增删改查要大得多,所以需要我们掌握足够多的理论基础,即内功要好,当然不需要理解以下内容也可以写出AOP的代码,但是对了解一定的底层原理有助于帮助我们更好的去深入学习和理解A...

2018-10-25 21:01:12 234

原创 Spring学习笔记一(Spring容器和bean的注入)

第一节 在IOC容器中装配Bean1.1Spring容器成功启动条件1.导入Spring框架相关的jar包2.正确配置spring配置文件3.Bean的类都已放到应用程序的类路径下1.2Bean配置信息的组成Bean配置信息是Bean的元数据信息(类的信息)1.Bean的实现类2.Bean的属性信息3.Bean的依赖信息4.Bean的行为配置1.3xml、bean、容器、...

2018-10-23 10:52:20 504

原创 目标检测改进系列篇内容-包含YOLO系列常见注意力机制及代码【持续更新】

【代码】目标检测改进系列篇内容-包含YOLO系列常见注意力机制及代码【持续更新】

2024-03-25 15:50:13 140 1

原创 YOLOv7改进:CotNet Transformer

有自注意力的Transformer引发了自然语言处理领域的革命,最近还激发了Transformer式架构设计的出现,并在众多计算机视觉任务中取得了具有竞争力的结果。在今天分享的工作中,研究者设计了一个新颖的Transformer风格的模块,即Contextual Transformer (CoT)块,用于视觉识别。同样,当我们读一句话时,大脑也会首先记住重要的词汇,这样就可以把注意力机制应用到自然语言处理任务中,于是人们就通过借助人脑处理信息过载的方式,提出了Attention机制。

2023-12-02 09:13:26 734 1

原创 人群计数数据集汇总(附下载链接)

行人检测( Pedestrian Detection)和人群计数(Crowd Counting )是计算机视觉领域内应用比较广泛和比较热门的算法,一般会与行人跟踪,行人重识别等技术进行结合,来对区域内的行人进行检测识别跟踪,广泛应用于安防,零售等领域。由于行人的外观易受穿着、尺度、遮挡、姿态和视角等影响,行人检测也具有一定的挑战性。本期收集汇总了一些行人检测&人群计数相关的开源数据集资源,供各位小伙伴参考。

2023-07-25 20:11:55 391

原创 SpringBoot基础-SpringBoot和MybatisPlus框架整合

文章目录SpringBoot一 SpringBoot入门1.简介2.微服务3 Hello World3.1环境准备3.1.1开发环境3.1.2导入依赖4 编写程序5 运行程序6Hello World分析6.1 pom文件6.1.1 父项目6.1.2 启动器7 使用Spring Initializer快速创建Spring Boot项目7.1、IDEA:使用 Spring Initializer快速创...

2018-11-30 23:14:22 1847 1

原创 Linux基础使用 常见命令

Linux一、系统介绍1.1 用户介绍linux系统分为root用户和普通用户,不同的用户登录对系统具有不同的操作权限1.1.1 不同用户登录的命令行界面~表示/root普通用户:$root用户:#1.2 系统目录1.2.1 根目录 /1.2.2 homehome下除了root用户,会对所有新建的用户创建一个以用户名为文件夹名的文件夹,用户xxx对 /home/xxx...

2018-11-22 23:58:19 274 1

原创 Actiiti(进阶)

Activiti 进阶一 流程变量操作1 流程变量操作1.1流程变量概念使用流程变量进行业务数据的传递,例如请假原因、天数等信息。1.2设置流程变量1.2.1 在启动流程实例时设置在启动流程实例时,可以添加流程变量。这是添加流程变量的一种时机。设置流程变量方式一:在启动流程实例时设置@Testpublic void test1() { String processDef...

2018-11-20 22:41:14 268

原创 Activiti(基础)

Activiti(基础)一. 工作流简述1.1工作流是什么工作流(Workflow),就是通过计算机对业务流程自动化执行管理。它主要解决的是“**使在多个参与者之间按照某种预定义的规则自动进行传递文档、信息或任务的过程,从而实现某个预期的业务目标,或者促使此目标的实现**”。工作流就是通过计算机技术对业务流程进行自动化管理。实现多个参与者按照预定的流程去自动执行业务流程。工作流管理系统的...

2018-11-20 22:37:53 665

原创 WebService

WebService0. WebService简介0.1 问题引入问题一:Ø 它们公司服务器的数据库中都保存了天气预报数据吗?Ø 如果没有, 那数据都存在哪了呢?Ø 这些网站是如何得到这些数据的呢?问题二:Ø 各个门户网站显示的股票行情信息数据又是怎么来的呢?0.2 WebService简介Webservice也叫XML Web Service,Web服务。可...

2018-11-12 17:16:42 10309 1

原创 Mybatis Plus插件使用

typora-copy-images-to: Mybatis Plustypora-root-url: Mybatis PlusMybatis Plus插件使用一 介绍1.1 MyBatis Plus简介MyBatis-Plus(简称 MP),是一个 MyBatis 的增强工具包,**只做增强不做改变. 发工作、提高生产率而生。**我们的愿景是成为 Mybatis 最好的搭档,就...

2018-11-07 23:28:37 22829 6

原创 SSM框架整合实战(详细步骤)

typora-root-url: ssmtypora-copy-images-to: ssmSSM整合一 基本概念SpringSpring是一个开源框架,Spring是于2003 年兴起的一个轻量级的Java 开发框架,由Rod Johnson 在其著作Expert One-On-One J2EE Development and Design中阐述的部分理念和原型衍生而来。它是为...

2018-11-06 16:15:15 2062

原创 MyBatis深入

typora-copy-images-to: mybatistypora-root-url: mybatisMyBatis深入一 Mybatis主键映射1.1主键映射作用 当数据插入操作不关心插入后数据的主键(唯一标识),那么建议使用 不返回自增主键值 的方式来配置插入语 句,这样可以避免额外的SQL开销. 当执行插入操作后需要立即获取插入的**自增主键值**,比如一...

2018-11-05 20:16:17 282

原创 Mybatis基础

typora-copy-images-to: mybatistypora-root-url: mybatisMybatis一 MyBatis介绍MyBatis 本是apache**的一个开源项目iBatis**, 2010年这个项目由apache software foundation 迁移到了google code,并且改名为MyBatis 。2013年11月迁移到Github。I...

2018-11-05 19:53:02 239

原创 SpringMVC(深入篇)

八 Spring异常处理我们知道,系统中异常包括:**编译时异常**和运行时异常**RuntimeException**,前者通过捕获异常从而获取异常信息,后者主要通过规范代码开发、测试通过手段减少运行时异常的发生。在开发中,不管是dao层、service层还是controller层,都有可能抛出异常,**在springmvc中,能将所有类型的异常处理从各处理过程解耦出来,既保证了相关处理过程的...

2018-10-31 23:32:06 331

原创 Spring整合HIbernate和springmvc

Spring整合HIbernate和springmvc1.导入jar包<properties> <org.springframework.version>4.2.0.RELEASE</org.springframework.version> </properties> <depende

2018-10-31 00:24:16 2535

原创 springMVC(初级篇)

typora-root-url: springmvctypora-copy-images-to: springmvcSpringMVC一 Spring MVC 简介大部分Java应用都是Web应用,展现层是WEB应用不可忽略的重要环节.Spring为了展现层提供了一个优秀的WEB框架-Spring MVC . 和众多的其他WEB框架一样,它基于MVC的设计理念. 此外,它采用了松散耦合,...

2018-10-29 20:31:15 362

原创 Spring学习笔记三(Spring事务配置)

Spring的事务配置这里先举一个例子:A给B转账100,逻辑为 A减少100,B增加100(原本两者都是1000) public void test() { userService.transfer(1, 2, 100.0); }此时没有开启事务,数据库进行了正常的增加减少但是我们在sevice中加入系统会报异常并且,数据库还进行了错误的减少,即对方没收到,但是我们的钱却少...

2018-10-26 21:17:58 289 1

基于yolov5l的面部表情识别模型

基于YoloV5l的面部表情识别模型是一项引人注目的技术发展,它将目标检测与深度学习相结合,旨在实现对人脸图像中不同表情的准确识别。YoloV5l模型以其强大的检测性能和高效的计算能力而著称,为面部表情识别任务提供了出色的基础。 该模型的设计考虑到了人脸表情的多样性和复杂性。人脸表情在微表情、眼部、嘴巴等区域都具有独特的特征,因此模型需要具备出色的特征提取和分类能力。YoloV5l模型通过多层次的卷积神经网络和注意力机制,能够在不同尺度上捕捉人脸图像的细节,从而实现高质量的表情分类。 为了进一步提升面部表情识别模型的性能,我们可以考虑以下扩展和优化: 数据增强:通过旋转、缩放、平移、翻转等数据增强技术,增加训练集的多样性,提高模型的泛化能力,尤其在捕捉微表情时更为重要。 迁移学习:利用预训练的权重,特别是在人脸检测和关键点定位方面的预训练模型,可以加速模型的训练和提升性能。 多任务学习:将人脸表情识别与人脸情感分析、性别识别等任务结合,共享底层特征,提高模型的通用性。 注意力机制:引入注意力机制,使模型能够更关注人脸的关键区域,如眼睛、嘴巴,从而提高表情识别的准确性。 模

2023-08-02

基于yolov5s的花朵识别模型

基于YoloV5s的花朵识别模型是一项令人兴奋的技术创新,它结合了目标检测和深度学习,能够快速而准确地识别图像中的各种花朵。YoloV5s模型以其高效的实时性能和优秀的检测精度而著名,这为花朵识别任务提供了一个理想的基础。 该模型的设计充分考虑了花朵的多样性和复杂性。花朵在形态、颜色和纹理方面都具有巨大的变化,因此模型需要具备强大的特征提取和分类能力。YoloV5s模型通过多层次的卷积神经网络和注意力机制,在不同尺度上捕捉花朵图像的细节,从而实现了鲁棒的识别性能。 为了进一步提升花朵识别模型的性能,我们可以考虑以下扩展和优化: 数据增强:通过旋转、缩放、平移、翻转等数据增强技术,增加训练集的多样性,提高模型的泛化能力。 迁移学习:将预训练的模型权重应用于花朵识别任务,可以加速模型的收敛并提升性能。 多任务学习:在花朵识别模型中集成多个任务,如花朵物种分类、花瓣数量估计等,可以更充分地利用模型的学习能力。 后处理优化:利用非极大值抑制(NMS)等后处理技术,剔除重叠的检测框,提高识别结果的准确性。 模型融合:将多个不同版本的YoloV5s模型进行融合,可以综合各个模型的优势,

2023-08-02

基于YOLOV7的水上垃圾识别模型+训练结果

基于YOLOv7的水上垃圾识别模型是一种高效的技术解决方案,用于识别和分类水域中的垃圾,从而帮助环保部门和海洋保护组织更好地管理和保护海洋生态系统。该模型基于YOLOv7的深度学习算法,可以实现高精度和高速度的垃圾检测和分类。该模型通过对水上图像进行实时分析和处理,能够快速地检测出各种类型的垃圾,包括塑料袋、瓶子、饮料罐等,同时能够将其准确地分类和定位。使用基于YOLOv7的水上垃圾识别模型,可以大大提高垃圾检测和分类的准确性和效率,同时也可以减少对人力资源的需求,降低环保部门的成本。此外,该技术还可以为海洋环境监测和保护提供更加精准和实时的数据支持,有助于保护海洋生态系统的健康和稳定。 除了在环保领域的应用,基于YOLOv7的水上垃圾识别模型还可以用于其他领域,比如水上交通安全、海洋资源调查等方面。 在水上交通安全方面,该模型可以帮助船只避免垃圾等障碍物,减少潜在的船只事故和碰撞风险,提高水上交通的安全性和效率。 在海洋资源调查方面,该模型可以用于监测海洋中垃圾的分布和数量,帮助研究人员更好地了解海洋污染状况,为海洋环境保护和治理提供科学依据。

2023-05-07

网页教程集合版

整合了html+css+js和其他的web开发技术,方便大家学习

2018-11-05

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除