AIHGF
AIHGF

Github 项目 - OpenPose Python API

OpenPose 的 Python 模块提供了 Python API，可以用于构建 OpenPose 类(class)，其输入是 numpy array 格式的图像，并得到 numpy array 格式的 Pose 位置估计.

该 Python API 还提供了直接从网络(network)得到的 heatmaps 作为输入，并提取出 pose 关键点(需要安装 Caffe Python接口).

现阶段，Python API 仅支持 Body 姿态估计，Hands 和 Face 将来会支持.

最近发现新近版本的 OpenPose v1.5.0 更新了 Python API 的例示.

可分别参考：

[1] - Github 项目 - OpenPose Python API - AIUAI

[2] - Github 项目 - OpenPose Python API V1.5.0 - AIUAI

你可能感兴趣的:(姿态估计,AIUAI,Openpose)

  • 深度学习方法生成抓取位姿与6D姿态估计的完整实现 ZPC8210 ROS深度学习人工智能
    如何将GraspNet等深度学习模型与6D姿态估计集成到ROS2和MoveIt中，实现高精度的机器人抓取系统。1.系统架构text[RGB-D传感器]→[物体检测与6D姿态估计]→[GraspNet抓取位姿生成]→[MoveIt运动规划]→[执行抓取]2.环境配置2.1安装依赖bash#安装PyTorch(根据CUDA版本选择)pip3installtorchtorchvisiontorchaud
  • 【图像处理基石】如何入门大规模三维重建？ 小米玄戒Andrew 图像处理基石深度学习人工智能三维重建大规模三维重建立体视觉大模型LLM
    入门大规模三维重建需要从基础理论、核心技术到实践工具逐步深入，同时需关注该领域的经典工作和前沿进展。以下是分阶段的入门路径及值得重点学习的工作：一、基础理论与前置知识大规模三维重建的核心是从海量图像或传感器数据中恢复场景的三维结构，涉及计算机视觉、摄影测量、图形学、最优化等多个领域，需先掌握以下基础：数学基础线性代数：矩阵运算、特征值分解（用于相机姿态估计）、奇异值分解（SVD，用于基础矩阵求解）
  • 计算机视觉算法实战——关键点检测
    ✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.引言关键点检测（KeypointDetection）是计算机视觉领域中的一个重要研究方向，旨在从图像或视频中检测出具有特定语义信息的关键点。这些关键点通常代表了物体的特定部位或特征，例如人体的关节、面部特征点、车辆的轮子等。关键点检测在姿态估计、动作识别、目标跟踪、三维重建等任务中
  • 人体坐姿检测系统开发实战（YOLOv8+PyTorch+可视化） Loving_enjoy 计算机学科论文创新点人工智能深度学习迁移学习经验分享
    本文将手把手教你构建智能坐姿检测系统，结合目标检测与姿态估计技术，实现不良坐姿的实时识别与预警###一、项目背景与价值现代人每天平均坐姿时间超过8小时，不良坐姿会导致：-脊椎压力增加300%-颈椎病发病率提升45%-腰椎间盘突出风险增加60%本系统通过计算机视觉技术实时监测坐姿状态，对驼背、侧倾、前倾等不良姿势进行智能识别和预警。相较于传统传感器方案，我们的视觉方案具有非接触、低成本、易部署的优势
  • ComfyUI ControlNet Aux项目中的Reference ControlNet支持分析 邬群彤
    ComfyUIControlNetAux项目中的ReferenceControlNet支持分析comfyui_controlnet_aux项目地址:https://gitcode.com/gh_mirrors/co/comfyui_controlnet_aux在ComfyUIControlNetAux项目中，开发者明确表示该项目专注于支持生成提示图像（如深度图、Canny边缘、OpenPose骨架
  • 【无人机/平衡车/机器人】详解STM32+MPU6050姿态解算—卡尔曼滤波+四元数法+互补滤波——附3个算法源码
    1.卡尔曼滤波卡尔曼滤波是一种线性最优估计方法，用于估计动态系统的状态。在姿态解算中，我们可以使用卡尔曼滤波来融合陀螺仪和加速度计的数据，以获得更稳定的姿态估计。以下是一个简单的卡尔曼滤波器实现：```c#include"kalman.h"voidKalman_Init(Kalman_TypeDef*Kalman){Kalman->P[0][0]=1;Kalman->P[1][1]=1;Kalma
  • 使用MATLAB和Simulink来构建一个基于扩展卡尔曼滤波器（EKF）的定位系统 xiaoheshang_123 手把手教你学MATLAB专栏MATLAB开发项目实例1000例专栏matlabsimulink
    目录一、准备工作二、步骤详解第一步：创建Simulink模型第二步：定义传感器模型第三步：设计扩展卡尔曼滤波器（EKF）第四步：实现EKF控制器第五步：整合控制系统第六步：设置参考轨迹或姿态第七步：运行仿真并分析结果注意事项结论基于多传感器融合的卡尔曼滤波定位系统仿真可以帮助我们理解如何利用不同类型的传感器数据来提高四翼无人机（Quadcopter）的位置和姿态估计精度。在这个教程中，我们将使用M
  • 实时姿态估计：MediaPipe人体关键点检测实战教程 AIGC应用创新大全 ai
    实时姿态估计：MediaPipe人体关键点检测实战教程关键词：实时姿态估计、MediaPipe、人体关键点检测、BlazePose、计算机视觉摘要：本文将带你从0到1掌握MediaPipe人体关键点检测技术。我们会用“给人体贴标记”的生活比喻解释核心概念，通过Python代码实战演示如何在5分钟内实现实时姿态估计，并结合健身动作分析、AR互动等真实场景，帮你理解这项技术的底层逻辑和应用价值。无论你
  • 基于深度学习的IMU解算 SEU-WYL 深度学习dnn深度学习人工智能dnn
    基于深度学习的惯性测量单元（IMU）解算是一种利用深度学习算法处理和分析IMU数据，以提升姿态估计、运动轨迹跟踪和定位精度的方法。IMU通常由加速度计、陀螺仪和磁力计组成，广泛应用于智能手机、无人机、机器人、虚拟现实（VR）和增强现实（AR）等领域。以下是关于这一领域的系统介绍：1.任务和目标IMU解算的主要任务是从IMU传感器数据中准确估计物体的姿态（姿态角、姿态矩阵或四元数）、速度和位置。具体
  • 深入了解MediaPipe：谷歌开源的跨平台视觉AI框架 云探 手势识别人工智能python手势识别MediaPipe
    在计算机视觉领域，实时性、跨平台支持与开发效率一直是开发者追求的目标。Google推出的开源框架MediaPipe正是为了解决这些问题而生。无论你是从事人脸识别、姿态估计还是手势识别，MediaPipe都能为你提供高效、实时的解决方案。本文将带你全面了解MediaPipe的功能、架构、应用场景及如何快速上手使用。一、什么是MediaPipe？MediaPipe是GoogleResearch推出的一
  • 使用预训练PoseNet模型在安卓应用中进行人体关键点检测 t0_54program 大数据与人工智能android个人开发
    在当今的计算机视觉领域，姿态估计是一项关键任务，它旨在检测物体的姿态，也就是物体的方向和位置。其实现原理是通过检测一系列关键点，借此了解物体的主要部分，并估计其当前的方向。基于这些关键点，我们能够以2D或3D形式构建物体的形状。在本篇教程中，我们将利用预训练的PoseNet模型，在安卓应用里检测人体的关键点。一、基础安卓项目为节省时间，我们以TensorFlowLitePoseNet安卓演示项目为
  • Unity+MediaPipe虚拟试衣间技术实现全攻略 白木橙花 unity游戏引擎
    引言：数字时尚革命的序章在元宇宙概念席卷全球的今天，虚拟试衣技术正成为连接物理世界与数字孪生的关键桥梁。本文将深入解析基于Unity引擎结合MediaPipe姿态估计框架的虚拟试衣系统实现，涵盖从环境搭建到完整AR试穿界面开发的全流程，最终实现支持实时人体追踪、多服装物理模拟及用户反馈的完整解决方案。一、技术选型与架构设计1.1技术栈组合逻辑Unity3D引擎：跨平台渲染核心，提供物理引擎(Phy
  • [论文阅读]Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression qian9905 姿态估计论文阅读论文阅读深度学习机器学习
    该论文发表于CVPR2021Background背景该论文关注的是的是自底向上的关键点回归人体姿态估计，作者认为回归关键点坐标的特征必须集中注意到关键点周围的区域，才能够精确回归出关键点坐标。因此提出了一种名为解构式关键点回归（DEKR）的方法。这种直接回归坐标的方法超过了以前的关键点热度图检测并组合的方法，并且在COCO和CrowdPose两个数据集上达到了目前自底向上姿态检测的最好结果上图作者
  • 基于OpenCV 的人体姿态估计 欣然～ 3d
    这是一个基于OpenCV的人体姿态估计系统，能够从摄像头视频流中实时检测人体关键点，并通过简化算法重建3D姿态，最后在3D空间中进行仿真展示。系统主要包含2D姿态检测、3D姿态重建和3D仿真三个核心模块。模块导入与环境准备python运行importcv2importnumpyasnpimportosimporttimeimportmatplotlib.pyplotaspltfrommpl_too
  • nlf 2025 部署笔记 AI算法网奇 动捕人工智能
    目录jit部署测试命令nlf-pipepinenlf-pipeline依赖项：stcnbuf人体分割，没有sam2好framepump库报错：分割算法：stcn.pth相机姿态估计：jit部署测试命令python-c"importtorch;importtorchvision;torch.jit.load('/shared_disk/models/others/nlf/models/nlf_l/n
  • 建筑工地安全智能监测：基于多任务姿态估计与场景理解的联合优化方案 燃灯工作室 Ai深度学习pytorch零售神经网络
    一、技术原理与数学模型1.1姿态估计基础模型采用OpenPose架构改进方案，定义人体关节点坐标预测公式：P=f(I;θ_p)=[(x_1,y_1,c_1),...,(x_n,y_n,c_n)]其中I为输入图像，θ_p为姿态估计网络参数，c_i为置信度评分1.2场景理解图卷积网络构建场景元素关系图G=(V,E)，节点特征更新公式：h_v^{(l+1)}=σ(W^{(l)}h_v^{(l)}+∑_{
  • 计算机视觉入门到精通：从理论到实战的全面指南 qsmyhsgcs 计算机视觉人工智能图像处理神经网络深度学习图像分割OpenCV
    一、引言计算机视觉旨在让计算机能够“看”懂世界，通过对图像或视频数据的处理和分析，提取出有用的信息。随着深度学习技术的飞速发展，计算机视觉领域取得了突破性进展，许多曾经难以解决的问题如今都得到了有效解决。本文将围绕计算机视觉的核心内容，为读者提供一份全面的学习指南。二、计算机视觉基础概念1.计算机视觉的主要任务计算机视觉的主要任务包括图像分类、目标检测、图像分割、人脸识别、姿态估计和图像增强等。图
  • YOLOv8-pose+streamlit 实现人体关键点检测/姿态估计系统 Jumbuck_10 深度学习项目YOLO深度学习关键点检测计算机视觉python健身姿态估计
    人体关键点检测系统一、安装与配置1.1安装Streamlit1.2配置文件1.3运行Streamlit应用1.4找模板二、人体关键点检测算法2.1关键点序号2.2YOLOv8-pose图像推理三、将YOLOv8-pose算法内置到streamlit中3.1整体结构3.2常见问题-RGB通道颠倒-Numpy与OpenCV之间的转换四、效果展示五、源码一、安装与配置1.1安装Streamlit在命令行
  • 基于Python和PyTorch的实现示例，结合YOLOv8进行人体检测、HRNet进行姿态估计，以及LSTM进行时间序列分析。 人工智能专属驿站 计算机视觉
    视频输入：从摄像头或视频文件中读取视频流。人体检测与跟踪：使用目标检测模型（如YOLOv8、EfficientDet）检测视频帧中的人体。使用目标跟踪算法（如DeepSORT）跟踪人体，确保连续帧中的人体ID一致。姿态估计：使用姿态估计模型（如HRNet、OpenPose）提取人体的关键点（如头、肩、肘、膝、踝等）。关键点信息用于分析人体的姿态和运动。时间序列分析：使用时间序列模型（如LSTM、G
  • ROS & ROS2 机器人深度相机激光雷达多传感器标定工具箱 强化学习与机器人控制仿真 机器人数码相机人工智能深度学习计算机视觉视觉检测自动驾驶
    系列文章目录目录系列文章目录前言三、标定目标3.1使用自定义标定目标四、数据处理4.1相机数据中的标定目标检测4.2激光雷达数据中的标定目标检测输入过滤器：正常估算：区域增长：尺寸过滤器：RANSAC：4.3用于2D-3D姿态估计的透视点算法4.4用于3D-3D配准的GICP4.5误差计算和标定确定性估计五、工作区5.1机器人工作区5.1.1初始化新机器人工作区六、节点、可组合节点和小节点6.1节
  • OpenPose xiaofeilongyu
    摘要我们提出了一个的方法，它能在有多个人的图像中高效地进行2D【二维】姿势检测。该方法运用了非参数表示【non-parametricrepresentation】，我们称之为部分亲和域【PAFs】，我们用它来学习怎么将身体部分和个体联系起来。该结构编译了全局，这允许了贪婪的自底向上分解的步骤，使得不管图片中有多少人，它都可以在实现实时性的同时保持高识别准确度。我们设计的这个结构，通过相同的顺序预测
  • H36M-Toolbox 开源项目教程 章来锬
    H36M-Toolbox开源项目教程H36M-Toolbox项目地址:https://gitcode.com/gh_mirrors/h3/H36M-Toolbox项目介绍H36M-Toolbox是一个用于处理和分析Human3.6M数据集的工具箱。Human3.6M是一个大规模的人体姿态估计数据集，包含超过300万张图像和详细的3D姿态标注。H36M-Toolbox提供了一系列工具和脚本，帮助研究
  • 基于MediaPipe的智能俯卧撑计数与姿势矫正系统 机器懒得学习 python人工智能深度学习
    在现代健身和体能训练中，俯卧撑是最基础也是最有效的自重训练动作之一。然而，许多人在进行俯卧撑训练时常常存在姿势不正确、计数不准确等问题。本文将介绍如何利用计算机视觉和姿态估计技术，开发一个智能的俯卧撑计数与姿势矫正系统。技术背景本系统主要基于以下核心技术：MediaPipePose解决方案：Google开发的实时姿态估计框架OpenCV：计算机视觉处理库NumPy：科学计算库，用于角度计算Pand
  • Deepmotion技术浅析（四）：人体姿态估计 爱研究的小牛 AIGC—虚拟现实AIGC—视频AIGC—游戏制作人工智能深度学习机器学习AIGC
    人体姿态估计是DeepMotion动作捕捉和3D重建流程中的核心模块之一。该模块的主要任务是从输入的视频帧中检测并定位人体关键点（如关节、头部、手脚等）的位置。DeepMotion的人体姿态估计模块不仅支持2D关键点检测，还能够进行3D关键点估计，为后续的动作追踪、3D重建和动画生成提供基础数据。包括：1.2D关键点检测工作原理模型架构详解（OpenPose,HRNet）模型结构公式推导训练过程关
  • 点云数据集汇总整理（持续更新......） 点云SLAM 点云数据处理技术点云数据集点云数据模型SLAM点云识别点云分割点云配准深度数据
    点云数据集在计算机视觉和深度学习中用于各种任务，包括三维重建、物体识别、语义分割、姿态估计等。整理点云数据集时，可以根据应用场景和数据集的特性进行分类。以下是一些知名和常用的点云数据集的汇总：1.ModelNet系列ModelNet10/ModelNet40：描述：包含3DCAD模型的点云数据集，用于分类任务。ModelNet10包含10类物体，ModelNet40包含40类物体。应用：物体分类、
  • 【每日论文】DINeMo: Learning Neural Mesh Models with no 3D Annotations WHATEVER_LEO 每日论文3d人工智能计算机视觉神经网络深度学习自然语言处理
    下载PDF或查看论文，请点击：LlamaFactory-huggingfacedailypaper-每日论文解读|LlamaFactory|LlamaFactory探索LlamaFactory，为你解读AI前沿技术文章，快速掌握最新技术动态https://www.llamafactory.cn/daily-paper/detail/?id=1793摘要层级3D/6D姿态估计是实现全面3D场景理解的
  • 3d pose 指标和数据集 AI算法网奇 数据结构与算法3d
    目录3D姿态估计、3维重建指标：数据集EHF数据集SMPL-X3D姿态估计、3维重建指标：MVE、PMVE和p-MPJPE都是用于评估3D姿态估计、三维重建等任务中预测结果与真实数据之间误差的指标。MVE(MeanVertexError)：是指模型重建过程中每个顶点的预测位置与真实位置之间的平均误差。通常用于评估三维重建的精度。PMVE(Pre-matchedVertexError)：这个指标是在
  • YOLOv8目标检测算法详解 培根芝士 AIYOLO目标检测
    YOLOv8是Ultralytics公司最新推出的Yolo系列目标检测算法，建立在Yolo系列历史版本的基础上，并引入了新的功能和改进点，以进一步提升性能和灵活性。它是实现目标检测、图像分割、姿态估计等任务的最佳选择之一。YOLOv8是一种基于深度学习的目标检测算法，其核心思想是将目标检测问题转化为一个回归问题，通过一次前向传播过程即可完成目标的位置和类别预测。它继承了YOLO系列算法的优点，如速
  • 【虚拟机】将电脑摄像头连接到虚拟机的Linux系统上 却道海棠 linux运维
    应用场景：尝试在Linux虚拟机环境中使用OpenPose，这是一个开源的实时多人系统，用于身体、面部和手部关键点检测。为了实现OpenPose的实时拍摄视频功能，需要将电脑摄像头连接到虚拟机中的Linux系统上，以便捕捉并处理实时的视频流。问题描述进入openpose目录cdopenposeopenpose目录下的build文件夹通常是在进行编译和构建openpose项目时创建的./build/
  • 【OpenPose常用命令】Linux系统中运行openpose的常用命令 却道海棠 linux运维服务器
    文章目录OpenPose简介OpenPose中一些重要的参数及其功能[模型训练与优化][网络结构的作用]OpenPose使用的网络结构【*pose_pairs】【工作原理示例】【*置信度】【置信度的决定方式】【置信度的大小及其影响】【热图峰值】【在OpenPose中的应用】【示例】[默认设置和修改方式示例]1.`net_resolution`:网络分辨率2.`number_people_max`:
  • JAVA基础 灵静志远 位运算加载Date字符串池覆盖
    一、类的初始化顺序 1 （静态变量，静态代码块）-->（变量，初始化块）--> 构造器 同一括号里的，根据它们在程序中的顺序来决定。上面所述是同一类中。如果是继承的情况，那就在父类到子类交替初始化。 二、String 1 String a = "abc"; JAVA虚拟机首先在字符串池中查找是否已经存在了值为"abc"的对象，根
  • keepalived实现redis主从高可用 bylijinnan redis
    方案说明 两台机器（称为A和B），以统一的VIP对外提供服务 1.正常情况下，A和B都启动，B会把A的数据同步过来（B is slave of A） 2.当A挂了后，VIP漂移到B；B的keepalived 通知redis 执行：slaveof no one，由B提供服务 3.当A起来后，VIP不切换，仍在B上面；而A的keepalived 通知redis 执行slaveof B，开始
  • java文件操作大全 0624chenhong java
    最近在博客园看到一篇比较全面的文件操作文章，转过来留着。 http://www.cnblogs.com/zhuocheng/archive/2011/12/12/2285290.html 转自http://blog.sina.com.cn/s/blog_4a9f789a0100ik3p.html 一.获得控制台用户输入的信息    &nbs
  • android学习任务 不懂事的小屁孩 工作
    任务 完成情况 搞清楚带箭头的pupupwindows和不带的使用 已完成 熟练使用pupupwindows和alertdialog，并搞清楚两者的区别 已完成 熟练使用android的线程handler,并敲示例代码 进行中 了解游戏2048的流程，并完成其代码工作 进行中-差几个actionbar 研究一下android的动画效果，写一个实例 已完成 复习fragem
  • zoom.js 换个号韩国红果果 oom
    它的基于bootstrap 的 https://raw.github.com/twbs/bootstrap/master/js/transition.js  transition.js模块引用顺序 <link rel="stylesheet" href="style/zoom.css"> <script src=&q
  • 详解Oracle云操作系统Solaris 11.2 蓝儿唯美 Solaris
    当Oracle发布Solaris 11时，它将自己的操作系统称为第一个面向云的操作系统。Oracle在发布Solaris 11.2时继续它以云为中心的基调。但是，这些说法没有告诉我们为什么Solaris是配得上云的。幸好，我们不需要等太久。Solaris11.2有4个重要的技术可以在一个有效的云实现中发挥重要作用：OpenStack、内核域、统一存档（UA）和弹性虚拟交换（EVS）。 
  • spring学习——springmvc（一） a-john springMVC
    Spring MVC基于模型-视图-控制器（Model-View-Controller，MVC）实现，能够帮助我们构建像Spring框架那样灵活和松耦合的Web应用程序。   1，跟踪Spring MVC的请求 请求的第一站是Spring的DispatcherServlet。与大多数基于Java的Web框架一样，Spring MVC所有的请求都会通过一个前端控制器Servlet。前
  • hdu4342 History repeat itself-------多校联合五 aijuans 数论
    水题就不多说什么了。 #include<iostream>#include<cstdlib>#include<stdio.h>#define ll __int64using namespace std;int main(){ int t; ll n; scanf("%d",&t); while(t--)
  • EJB和javabean的区别 asia007 beanejb
    EJB不是一般的JavaBean,EJB是企业级JavaBean,EJB一共分为3种,实体Bean,消息Bean,会话Bean,书写EJB是需要遵循一定的规范的,具体规范你可以参考相关的资料.另外,要运行EJB,你需要相应的EJB容器,比如Weblogic,Jboss等,而JavaBean不需要,只需要安装Tomcat就可以了   1.EJB用于服务端应用开发, 而JavaBeans
  • Struts的action和Result总结 百合不是茶 strutsAction配置Result配置
        一:Action的配置详解:      下面是一个Struts中一个空的Struts.xml的配置文件     <?xml version="1.0" encoding="UTF-8" ?> <!DOCTYPE struts PUBLIC &quo
  • 如何带好自已的团队 bijian1013 项目管理团队管理团队
    在网上看到博客" 怎么才能让团队成员好好干活"的评论，觉得写的比较好。 原文如下： 我做团队管理有几年了吧，我和你分享一下我认为带好团队的几点： 1.诚信         对团队内成员，无论是技术研究、交流、问题探讨，要尽可能的保持一种诚信的态度，用心去做好，你的团队会感觉得到。 2.努力提
  • Java代码混淆工具 sunjing ProGuard
    Open Source Obfuscators ProGuard http://java-source.net/open-source/obfuscators/proguardProGuard is a free Java class file shrinker and obfuscator. It can detect and remove unused classes, fields, m
  • 【Redis三】基于Redis sentinel的自动failover主从复制 bit1129 redis
    在第二篇中使用2.8.17搭建了主从复制，但是它存在Master单点问题，为了解决这个问题，Redis从2.6开始引入sentinel，用于监控和管理Redis的主从复制环境，进行自动failover，即Master挂了后，sentinel自动从从服务器选出一个Master使主从复制集群仍然可以工作，如果Master醒来再次加入集群，只能以从服务器的形式工作。   什么是Sentine
  • 使用代理实现Hibernate Dao层自动事务 白糖_ DAOspringAOP框架Hibernate
    都说spring利用AOP实现自动事务处理机制非常好，但在只有hibernate这个框架情况下，我们开启session、管理事务就往往很麻烦。 public void save(Object obj){ Session session = this.getSession(); Transaction tran = session.beginTransaction(); try
  • maven3实战读书笔记 braveCS maven3
    Maven简介 是什么？ Is a software project management and comprehension tool.项目管理工具 是基于POM概念(工程对象模型) [设计重复、编码重复、文档重复、构建重复，maven最大化消除了构建的重复] [与XP：简单、交流与反馈；测试驱动开发、十分钟构建、持续集成、富有信息的工作区]     功能：
  • 编程之美-子数组的最大乘积 bylijinnan 编程之美
    public class MaxProduct { /** * 编程之美 子数组的最大乘积 * 题目: 给定一个长度为N的整数数组，只允许使用乘法，不能用除法，计算任意N-1个数的组合中乘积中最大的一组，并写出算法的时间复杂度。 * 以下程序对应书上两种方法，求得“乘积中最大的一组”的乘积——都是有溢出的可能的。 * 但按题目的意思，是要求得这个子数组，而不
  • 读书笔记-2 chengxuyuancsdn 读书笔记
    1、反射 2、oracle年-月-日 时-分-秒 3、oracle创建有参、无参函数 4、oracle行转列 5、Struts2拦截器 6、Filter过滤器(web.xml) 1、反射 (1)检查类的结构 在java.lang.reflect包里有3个类Field,Method,Constructor分别用于描述类的域、方法和构造器。 2、oracle年月日时分秒 s
  • [求学与房地产]慎重选择IT培训学校 comsci it
          关于培训学校的教学和教师的问题,我们就不讨论了,我主要关心的是这个问题       培训学校的教学楼和宿舍的环境和稳定性问题       我们大家都知道，房子是一个比较昂贵的东西，特别是那种能够当教室的房子... &nb
  • RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 daizj oraclermanfilespersetPARALLELISM
    RMAN配置中通道(CHANNEL)相关参数 PARALLELISM 、FILESPERSET的关系 转 PARALLELISM --- 我们还可以通过parallelism参数来指定同时"自动"创建多少个通道： RMAN > configure device type disk parallelism 3 ; 表示启动三个通道，可以加快备份恢复的速度。
  • 简单排序:冒泡排序 dieslrae 冒泡排序
    public void bubbleSort(int[] array){ for(int i=1;i<array.length;i++){ for(int k=0;k<array.length-i;k++){ if(array[k] > array[k+1]){
  • 初二上学期难记单词三 dcj3sjt126com sciet
    concert 音乐会 tonight 今晚 famous 有名的；著名的 song 歌曲 thousand 千 accident 事故；灾难 careless 粗心的，大意的 break 折断；断裂；破碎 heart 心（脏） happen  偶尔发生，碰巧 tourist 旅游者；观光者 science （自然）科学 marry 结婚 subject 题目；
  • I.安装Memcahce 1. 安装依赖包libevent Memcache需要安装libevent,所以安装前可能需要执行 Shell代码 收藏代码 dcj3sjt126com redis
    wget http://download.redis.io/redis-stable.tar.gz tar xvzf redis-stable.tar.gz cd redis-stable make   前面3步应该没有问题，主要的问题是执行make的时候，出现了异常。 异常一： make[2]: cc: Command not found 异常原因：没有安装g
  • 并发容器 shuizhaosi888 并发容器
       通过并发容器来改善同步容器的性能，同步容器将所有对容器状态的访问都串行化，来实现线程安全，这种方式严重降低并发性，当多个线程访问时，吞吐量严重降低。    并发容器ConcurrentHashMap       替代同步基于散列的Map，通过Lock控制。   &nb
  • Spring Security（12）——Remember-Me功能 234390216 Spring SecurityRemember Me记住我
    Remember-Me功能   目录   1.1     概述 1.2     基于简单加密token的方法 1.3     基于持久化token的方法 1.4     Remember-Me相关接口和实现
  • 位运算 焦志广 位运算
    一、位运算符Ｃ语言提供了六种位运算符： & 按位与 | 按位或 ^ 按位异或 ~ 取反 << 左移 >> 右移 1. 按位与运算 按位与运算符"&"是双目运算符。其功能是参与运算的两数各对应的二进位相与。只有对应的两个二进位均为1时，结果位才为1 ，否则为0。参与运算的数以补码方式出现。 例如：9&am
  • nodejs 数据库连接 mongodb mysql liguangsong mongodbmysqlnode数据库连接
    1.mysql 连接    package.json中dependencies加入     "mysql":"~2.7.0"    执行 npm install      在config 下创建文件 database.js    
  • java动态编译 olive6615 javaHotSpotjvm动态编译
        在HotSpot虚拟机中，有两个技术是至关重要的，即动态编译(Dynamic compilation)和Profiling。     HotSpot是如何动态编译Javad的bytecode呢？Java bytecode是以解释方式被load到虚拟机的。HotSpot里有一个运行监视器，即Profile Monitor,专门监视
  • Storm0.9.5的集群部署配置优化 roadrunners 优化storm.yaml
    nimbus结点配置（storm.yaml）信息： # Licensed to the Apache Software Foundation (ASF) under one # or more contributor license agreements. See the NOTICE file # distributed with this work for additional inf
  • 101个MySQL 的调节和优化的提示 tomcat_oracle mysql
    　1. 拥有足够的物理内存来把整个InnoDB文件加载到内存中——在内存中访问文件时的速度要比在硬盘中访问时快的多。 　　2. 不惜一切代价避免使用Swap交换分区 – 交换时是从硬盘读取的，它的速度很慢。 　　3. 使用电池供电的RAM（注：RAM即随机存储器）。 　　4. 使用高级的RAID（注：Redundant Arrays of Inexpensive Disks，即磁盘阵列
  • zoj 3829 Known Notation(贪心) 阿尔萨斯 ZOJ
    题目链接：zoj 3829 Known Notation 题目大意：给定一个不完整的后缀表达式，要求有2种不同操作，用尽量少的操作使得表达式完整。 解题思路：贪心，数字的个数要要保证比∗的个数多1，不够的话优先补在开头是最优的。然后遍历一遍字符串，碰到数字+1，碰到∗-1,保证数字的个数大于等1，如果不够减的话，可以和最后面的一个数字交换位置（用栈维护十分方便），因为添加和交换代价都是1
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他