studyeboy
studyeboy

显著性检测数据集—学习笔记

文章目录

  • DUT-OMRON
  • DUTS
  • HKU-IS
  • ECSSD/CSSD
  • SOD
  • PASCAL-S
  • 参考资料

显著性检测数据集—学习笔记_第1张图片

DUT-OMRON


数据集包含5168张图像，最大边长为400像素，数据集中具有一个或多个显著对象和相对复杂的背景，具有眼睛固定、边界框和像素方面的大规模真实标注的数据集。

  • 论文: C. Yang, L. Zhang, H. Lu, X. Ruan, and M.-H. Yang, "Saliency detection via graph-based manifold ranking, " in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., 2013, pp.3166–3173.
  • 项目: The DUT-OMRON Image Dataset
  • 下载: http://saliencydetection.net/dut-omron/download/DUT-OMRON-image.zip
    显著性检测数据集—学习笔记_第2张图片

DUTS

显著性检测数据集—学习笔记_第3张图片
DUTS数据集包含10553个训练图像和5019个测试图像，所有的训练图像均从ImageNet DET训练/验证集中收集，而测试图像则从ImageNet DET测试集和SUN数据集中收集。训练和测试集都包含非常重要的场景用于显著性检测。

  • 论文 Learning to Detect Salient Objects with Image-level Supervision
  • 项目 The DUTS Image Dataset
  • 下载
    DUTS Dataset: Training (images and ground-truth)
    DUTS Dataset: Test (images and ground-truth)
    显著性检测数据集—学习笔记_第4张图片

HKU-IS

显著性检测数据集—学习笔记_第5张图片
数据集包含4447个具有显著对象的像素注释的图像。

  • 论文 Visual Saliency Based on Multiscale Deep Features
  • 项目 Deep Learning based Salient Object Detection
  • 下载
    Baidu Yun
    Google Drive

ECSSD/CSSD

显著性检测数据集—学习笔记_第6张图片
复杂场景显著性数据集CSSD包含200张图像，ECSSD是CSSD的扩展集包含1000张图像。

  • 项目
    Extended Complex Scene Saliency Dataset (ECSSD)
    显著性检测数据集—学习笔记_第7张图片
  • 下载
    • ECSSD（1000 images）
      • ECSSD images (64.6MB)
      • ECSSD ground truth masks (1.78MB)
    • CSSD（200 images）
      • CSSD images (18.7MB)
      • CSSD groud truth masks (0.75MB)

SOD

显著性检测数据集—学习笔记_第8张图片
此数据集是基于Berkeley Segmentation Dataset（BSD）的显著对象边界的集合，包含300张图像，7个对象。

  • 项目 Salient Objects Dataset (SOD)
    显著性检测数据集—学习笔记_第9张图片
  • 下载
    官方: http://elderlab.yorku.ca/SOD/SOD.zip
    百度云: https://pan.baidu.com/s/1IMElTPwD4yTo2TMSRU-keQ

PASCAL-S

显著性检测数据集—学习笔记_第10张图片

  • 项目
    • https://ccvl.jhu.edu/datasets/
    • http://www.cbi.gatech.edu/salobj/
  • 下载
    • 百度云盘: https://pan.baidu.com/s/1DZcfwCYdeMW4EGawhXQyig
    • 页面: http://academictorrents.com/details/6c49defd6f0e417c039637475cde638d1363037e

参考资料

awesome-segmentation-saliency-dataset
开源数据集

你可能感兴趣的:(显著性检测,数据集)

  • 【大模型微调实战】4. P-Tuning爆款文案生成：让模型学会小红书“爽感”写作，转化率提升300% AI_DL_CODE 大模型微调P-Tuning小红书文案爆款生成情绪强化自然语言生成提示工程
    摘要：在内容营销竞争白热化的当下，普通文案已难以突破流量壁垒。本文聚焦P-Tuning技术在小红书爆款文案生成中的落地应用，通过参数化提示向量优化，将抽象的“爽感”写作转化为可量化、可训练的技术指标。文中提出“六步成文法”，从情绪化数据集构建到爆款元素复刻，完整拆解如何用RTX3060级显卡实现0.1%参数量微调，使文案点击率从2.1%提升至8.7%，爆文率提高5倍，单条文案带货超8万元。核心创新
  • Hive与Hudi集成：增量大数据处理方案 AI大数据智能洞察 大数据与AI人工智能大数据AI应用hivehadoop数据仓库ai
    Hive与Hudi集成：增量大数据处理方案关键词：Hive、Hudi、增量大数据处理、数据集成、数据湖摘要：本文主要探讨了Hive与Hudi集成的增量大数据处理方案。我们将深入了解Hive和Hudi的核心概念，剖析它们之间的关系，详细阐述集成的算法原理与操作步骤，通过实际项目案例展示如何进行开发环境搭建、代码实现与解读。同时，会介绍该集成方案的实际应用场景、相关工具和资源，探讨未来发展趋势与挑战。
  • 【免费下载】 探索PlantVillage-Dataset：深度学习在植物病害检测中的革命性突破
    探索PlantVillage-Dataset：深度学习在植物病害检测中的革命性突破在这个数字化时代，人工智能正逐步改变我们的生活，其中深度学习在农业领域的应用尤其引人注目。PlantVillage-Dataset是一个开放源代码的项目，它提供了一个庞大的植物病害识别数据集，旨在帮助开发人员和研究者利用机器学习技术改善农作物健康状况的监测。本文将深入探讨该项目的技术细节、应用价值及其独特之处。项目简
  • 【YOLO系列】YOLOv4详解：模型结构、损失函数、训练方法及代码实现 一碗白开水一 yolo系列助你拿捏AI算法YOLO目标跟踪人工智能目标检测计算机视觉论文阅读
    YOLOv4详解：模型结构、损失函数、训练方法及代码实现motivationYOLO系列作者JosephRedmon与AlexeyBochkovskiy致力于解决目标检测领域的核心矛盾：精度与速度的平衡。YOLOv4的诞生源于两大需求：工业落地：在移动端/边缘设备实现实时检测（>30FPS）学术突破：无需昂贵算力（如1080Ti即可训练），在MSCOCO数据集达到SOTAmethods1.数据加载
  • JavaScript对象与Math对象完全指南 hui函数 Javascriptjavascript前端开发语言
    JavaScript对象与Math对象完全指南对象基础概念与操作对象是什么？数据集合：包含相关数据和功能的容器结构组成：属性：描述对象特征的变量（名词性）方法：对象可执行的操作（动词性，本质是函数）对象创建与访问//创建对象letperson={ //属性 name:"张三", age:28, profession:"软件工程师",  //方法 introduce(){  return`大家好，我
  • 重构数据库未来：金仓数据库，抢占 AI 原生时代先机
    7月15日，国产数据库厂商中电科金仓（北京）科技股份有限公司（以下简称“电科金仓”）在北京举行了一场技术发布会，集中发布四款核心产品：AI时代的融合数据库KESV92025、企业级统一管控平台KEMCC、数据库一体机（云数据库AI版）以及企业级智能海量数据集成平台KFSUltra，并同步举行了“金兰组织2.0”启动仪式。如果放在过去几年，这场发布会可能被归入“信创替代”的常规范畴。但这一次，电科金
  • 基于Python的酒店订单数据分析与可视化实战 不若浮生一梦 python作业python数据分析开发语言
    本文将通过一个酒店订单数据集，展示如何使用Python进行完整的数据分析流程，包括数据清洗、特征工程、探索性分析、可视化以及业务洞察，适合数据分析初学者或想通过项目提升数据思维的开发者。一、项目背景随着旅游业的迅速发展，酒店运营者越来越依赖数据分析来提升客户体验与优化收益管理。本项目基于某国际连锁酒店集团提供的真实订单数据，包含超过10万条记录，涵盖订单类型、顾客行为、取消情况等多个维度。目标是通
  • 数据赋能（343）——数据整合——概述 lh1793 数据
    进行数据整合时，需要遵循以下原则以确保整合数据的完整性、一致性、准确性和可用性。全方位集成原则：信息整合系统既是“数据中心”也是“业务中心”，应具备界面集成、数据集成、应用迁移、业务集成等能力。全面集成原则：既要支持逻辑集成，也要支持物理集成，确保数据的全面性和完整性。集约性原则：整合后的数据库应符合数据库标准要求，避免冗余，为数据共享奠定基础。衔接性原则：在数据整合过程中，应考虑到与不同比例尺或
  • 大模型QLoRA微调——基于Qwen2-7B的自动化病历摘要生成系统
    01项目简介（1）项目背景医疗文档中包含大量的诊疗信息，例如疾病诊断、手术名称、解剖部位、药物使用以及影像和实验室检查结果。这些信息是医疗数据分析的核心，但由于医疗文本内容复杂、格式多样，提取这些关键内容具有一定挑战。为此，本项目基于Qwen-7B大语言模型，通过QLoRA微调，使其从医疗文档中识别并提取这些信息。（2）数据集介绍本项目在Yidu-S4K数据集上进行指令微调任务，该数据共计包含10
  • Python中的 filter() | 函数详解 2401_87650616 python开发语言
    目录前言一、基本概念基本语法二、使用方式1.使用lambda函数2.使用普通函数3.使用None过滤假值三、filter()与列表推导式对比1.filter()方式2.列表推导式方式3.选择建议四、常见应用场景1.过滤偶数2.过滤空字符串3.过滤None值4.过滤质数五、注意事项与最佳实践1.惰性求值：filter()返回的是迭代器，只在需要时计算，节省内存2.性能考虑：对于大数据集，filter
  • 标签助手：基于LabelImg和YOLOv5的图像半自动标注工具 伏容一Julia
    标签助手：基于LabelImg和YOLOv5的图像半自动标注工具项目基础介绍标签助手（labelGo-Yolov5AutoLabelImg）是一个图形化的半自动图像注解工具，它结合了广受欢迎的图像标注工具LabelImg的力量与先进的目标检测框架YOLOv5。这个开源项目旨在简化数据集的标注过程，利用现有YOLOv5PyTorch模型实现快速的半自动化标注，极大地提高了标注效率。项目主要采用Pyt
  • SpringBoot Stream实战指南
    Stream的概念Stream（流）是计算机科学中用于处理数据序列的抽象概念，通常指按顺序读取或写入的数据集合。它可以是文件、网络连接、内存缓冲区等数据源的抽象表示，允许逐块处理数据而无需一次性加载全部内容。Stream的类型输入流（InputStream）从数据源（如文件、网络）读取数据，例如FileInputStream用于读取文件内容。输出流（OutputStream）向目标（如文件、控制台
  • 汤逊湖高分辨率矢量图Shp文件及ArcGIS应用指南 夏曦安
    本文还有配套的精品资源，点击获取简介：本矢量图数据集针对汤逊湖地理信息，提供了精确的边界、形状及属性信息，适用于多种领域。介绍SHP文件及其相关文件格式，展示了在ArcGIS中如何进行空间分析，包括地形、缓冲区、叠加、网络分析，模拟分析，以及可视化等功能，强调其在环境科学、城市规划等领域的应用价值。1.汤逊湖矢量图数据集概述在地理信息系统（GIS）领域，准确、丰富的数据集是进行空间分析和决策支持的
  • RK3568笔记九十三：基于RKNN Lite的YOLOv5目标检测 殷忆枫 RK3568学习笔记笔记YOLO
    若该文为原创文章，转载请注明原文出处。一、介绍Yolov5是一种目标检测算法，属于单阶段目标检测方法，是在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。最新的YOLOv5v7.0有YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x等，除了目标检测，
  • 博客摘录「 适合小白的超详细yolov8环境配置+实例运行教程，从零开始教你如何使用yolov8训练自己的数据集（Windows+conda+pycharm）」2024年3月13日
    激活虚拟环境使用condaactivate命令激活虚拟环境，激活成功的标志就是命令行前面的（base）换
  • 电科金仓全栈出击，“融合数据库平台”挑战AI时代新范式
    7月15日，国产数据库厂商中电科金仓（北京）科技股份有限公司（以下简称“电科金仓”）在北京举行了一场技术发布会，集中发布四款核心产品：AI时代的融合数据库KESV92025、企业级统一管控平台KEMCC、数据库一体机（云数据库AI版）以及企业级智能海量数据集成平台KFSUltra，并同步举行了“金兰组织2.0”启动仪式。如果放在过去几年，这场发布会可能被归入“信创替代”的常规范畴。但这一次，电科金
  • 读心与芯：我们与机器人的无限未来05未来之路 躺柒 机器人机器人学人工智能大数据分析智能计算
    1.概念1.1.利用数据确定模式，描述数据集的某些属性，基于过去的经历判断未来可能发生什么，或基于当前发生的事情判断后果或反应1.2.机器学习(machinelearning)是人工智能的一个子集，它不需要显式编程，为系统提供自动学习和根据经验改进的能力1.2.1.机器学习算法基于样本数据（又称训练数据）构建模型，在未经显式编程的情况下对未来数据做出预测或决策1.2.2.机器学习有多种类型，包括有
  • 电科金仓“融合数据库”发布：锚定AI时代，重构国产数据库格局 可涵不会debug AI赋能数据库人工智能重构
    7月15日，国产数据库厂商中电科金仓（北京）科技股份有限公司（以下简称“电科金仓”）在北京举行了一场技术发布会，集中发布四款核心产品：AI时代的融合数据库KESV92025、企业级统一管控平台KEMCC、数据库一体机（云数据库AI版）以及企业级智能海量数据集成平台KFSUltra，并同步举行了“金兰组织2.0”启动仪式。如果放在过去几年，这场发布会可能被归入“信创替代”的常规范畴。但这一次，电科金
  • svm支持向量机实例--线性非线性实例代码可运行
    fromsklearnimportsvmimportnumpyasnpimportsklearn#因为Python中的sklearn库也集成了SVM算法，所以在Python中一样可以使用支持向量机做分类#取数据集path=r'D:\svm\iris.data'#Iris.data的数据格式如下：共5列，前4列为样本特征，第5列为类别，分别有三种类别Iris-setosa，Iris-versicol
  • Python数据可视化库之autoviz使用详解
    概要在数据可视化的广阔领域中，快速且智能地将数据转化为直观图表，是数据分析师和开发者的共同需求。Python的autoviz库应运而生，它凭借“一键生成可视化”的强大功能，极大地简化了数据可视化流程。无论是处理简单数据集，还是复杂的多变量数据，autoviz都能自动分析数据特征，生成高质量可视化结果，成为提升数据分析效率的得力助手。安装与验证1、安装方法autoviz库的安装可以借助Python常
  • 【SVM】支持向量机实例合集 KENYCHEN奉孝 支持向量机算法机器学习
    基于Java的SVM（支持向量机）实例合集以下是一个基于Java的SVM（支持向量机）实例合集，包含核心代码示例和应用场景说明。这些例子基于流行的机器学习库（如LIBSVM、Weka、JSAT）实现。数据准备与加载使用LIBSVM格式加载数据集：//加载LIBSVM格式数据svm_problemprob=newsvm_problem();prob.l=dataSize;//样本数量prob.x=n
  • 数据挖掘实战-基于随机森林算法的空气质量污染预测模型 艾派森 数据挖掘实战合集信息可视化人工智能python数据挖掘随机森林
    ‍♂️个人主页：@艾派森的个人主页✍作者简介：Python学习者希望大家多多支持，我们一起进步！如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍3.技术工具4.实验过程
  • 9、LLaMA-Factory项目微调介绍 Andy_shenzl 大模型学习llamaLLaMAFactory微调大模型LoRA
    1、LLaMAFactory介绍  LLaMAFactory是一个在GitHub上开源的项目，该项目给自身的定位是：提供一个易于使用的大语言模型（LLM）微调框架，支持LLaMA、Baichuan、Qwen、ChatGLM等架构的大模型。更细致的看，该项目提供了从预训练、指令微调到RLHF阶段的开源微调解决方案。截止目前（2024年3月1日）支持约120+种不同的模型和内置了60+的数据集，同时封
  • [2025CVPR-图象合成、生成方向]ODA-GAN：由弱监督学习辅助的正交解耦比对GAN 虚拟免疫组织化学染色 清风AI 计算机视觉算法深度学习算法详解及代码复现生成对抗网络机器学习目标检测目标跟踪人工智能傅立叶分析深度学习
    目录1.背景和动机2.方法概述：ODA-GAN框架2.1弱监督分割管道2.2样本重新划分策略2.3ODA-GAN核心模块3.实验设置与结果3.1数据集和评估指标3.2性能比较3.3消融研究4.结论与贡献1.背景和动机虚拟免疫组化（IHC）染色技术旨在通过生成模型将H&E染色图像转换为IHC染色图像，从而避免繁琐的物理染色过程（如重复切片和抗体处理）。然而，现有方法面临关键挑战：染色不真实与不可靠性
  • 3D并行与4D并行
    3D并行3D并行通常指的是将以下三种并行策略结合起来：D1：数据并行（DataParallelism）D2：张量并行（TensorParallelism）D3：流水线并行（PipelineParallelism）各个“D”的含义及详细讲解1.数据并行（DataParallelism）含义：在数据并行中，每个设备（或一组设备）都持有完整的模型副本。训练数据集被分成多个批次（mini-batches）
  • 暗流涌动 创作人李新钢
    深度学习和所有机器学习方法一样，是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题的过程。要教计算机认字，差不多也是同样的道理。计算机也要先把每一个字的图案反复看很多很多遍，然后，在计算机的大脑（处理器加上存储器）里，总结出一个规律来，以后计算机再看到类似的图案，只要符合之前总结的规律，计算机就能知道这图案到底是什么字。学习的、反复看的图片叫“训练数据集”；“训练数据集”中，一
  • 详解C++中的全局算法 超级飞侠12138 C++c++开发语言c语言
    全局算法在C++中，全局算法通常指的是不依赖于特定数据结构或对象，而是可以在各种数据集合上使用的通用算法。这些算法通常定义在标准模板库（STL）中，因此可以在整个程序中重复使用，适用于多种数据类型。STL中的算法可以作用于数组、向量、列表、集合、映射等容器。使用这些算法时，通常需要包含头文件。（1）遍历算法std::for_eachstd::for_each算法用于对容器中的每个元素执行指定的函数
  • 【数据集】全球 0.5 度湿地甲烷排放与不确定性数据集 WetCHARTs WW、forever 数据集CH4
    目录数据概述v1.3.3新特性应用与验证数据下载数据文件信息模型配置说明（四位代码）空间与时间覆盖参考数据集名称：CMS:全球0.5度湿地甲烷排放与不确定性（WetCHARTsv1.3.3）数据概述数据概述-WetCHARTsv1.3.1数据概述-WetCHARTsv1.3.3此数据集提供了2001年1月1日至2022年8月31日期间，全球湿地甲烷（CH₄）排放的月度估算数据，空间分辨率为0.5x
  • Excel快速入门教程8-数据透视表 python测试开发
    有时您需要分析大量数据，成易于阅读和理解的报告。数据透视图允许我们分析此类数据并生成满足业务要求的报告。在本教程中，我们将介绍以下主题;什么是数据透视图？创建数据透视图二维数据透视图什么是数据透视图？数据透视图是大数据集的摘要，通常包括总数，平均值，最小值，最大值等。假设您有不同地区的销售数据，使用数据透视图可以按地区汇总数据并查找每个区域的平均销售额，每个区域的最大和最小销售额等。数据透视图允许
  • 机器学习实战笔记（四）：决策树（Python3 实现） max_bay 机器学习实战笔记机器学习实战决策树python
    1决策树的构造1.1决策树的特点优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。适用数据类型：数值型和标称型。在构造决策树时，我们需要解决的第一个问题就是，当前数据集上哪个特征在划分数据分类时起决定性作用。为了找到决定性的特征，划分出最好的结果，我们必须评估每个特征。完成测试之后，原始数据集就被划分为几个数据子集。这些数据子集会分
  • java封装继承多态等 麦田的设计者 javaeclipsejvmcencapsulatopn
           最近一段时间看了很多的视频却忘记总结了，现在只能想到什么写什么了，希望能起到一个回忆巩固的作用。     1、final关键字       译为：最终的        &
  • F5与集群的区别 bijian1013 weblogic集群F5
            http请求配置不是通过集群，而是F5；集群是weblogic容器的，如果是ejb接口是通过集群。         F5同集群的差别，主要还是会话复制的问题，F5一把是分发http请求用的，因为http都是无状态的服务，无需关注会话问题，类似
  • LeetCode[Math] - #7 Reverse Integer Cwind java题解MathLeetCodeAlgorithm
    原题链接：#7 Reverse Integer   要求： 按位反转输入的数字 例1： 输入 x = 123, 返回 321 例2： 输入 x = -123, 返回 -321   难度：简单   分析： 对于一般情况，首先保存输入数字的符号，然后每次取输入的末位（x%10）作为输出的高位（result = result*10 + x%10）即可。但
  • BufferedOutputStream 周凡杨
         首先说一下这个大批量，是指有上千万的数据量。      例子：      有一张短信历史表，其数据有上千万条数据，要进行数据备份到文本文件，就是执行如下SQL然后将结果集写入到文件中！      select t.msisd
  • linux下模拟按键输入和鼠标 被触发 linux
    查看/dev/input/eventX是什么类型的事件， cat /proc/bus/input/devices 设备有着自己特殊的按键键码，我需要将一些标准的按键，比如0－9，X－Z等模拟成标准按键，比如KEY_0,KEY-Z等，所以需要用到按键 模拟，具体方法就是操作/dev/input/event1文件，向它写入个input_event结构体就可以模拟按键的输入了。 linux/in
  • ContentProvider初体验 肆无忌惮_ ContentProvider
    ContentProvider在安卓开发中非常重要。与Activity，Service，BroadcastReceiver并称安卓组件四大天王。 在android中的作用是用来对外共享数据。因为安卓程序的数据库文件存放在data/data/packagename里面，这里面的文件默认都是私有的，别的程序无法访问。 如果QQ游戏想访问手机QQ的帐号信息一键登录，那么就需要使用内容提供者COnte
  • 关于Spring MVC项目（maven）中通过fileupload上传文件 843977358 mybatisspring mvc修改头像上传文件upload
    Spring MVC 中通过fileupload上传文件，其中项目使用maven管理。   1.上传文件首先需要的是导入相关支持jar包：commons-fileupload.jar,commons-io.jar 因为我是用的maven管理项目，所以要在pom文件中配置（每个人的jar包位置根据实际情况定） <!-- 文件上传 start by zhangyd-c --&g
  • 使用svnkit api，纯java操作svn，实现svn提交，更新等操作 aigo svnkit
     原文：http://blog.csdn.net/hardwin/article/details/7963318   import java.io.File; import org.apache.log4j.Logger; import org.tmatesoft.svn.core.SVNCommitInfo; import org.tmateso
  • 对比浏览器，casperjs，httpclient的Header信息 alleni123 爬虫crawlerheader
    @Override protected void doGet(HttpServletRequest req, HttpServletResponse res) throws ServletException, IOException { String type=req.getParameter("type"); Enumeration es=re
  • java.io操作 DataInputStream和DataOutputStream基本数据流 百合不是茶 java流
    1，java中如果不保存整个对象，只保存类中的属性，那么我们可以使用本篇文章中的方法，如果要保存整个对象  先将类实例化  后面的文章将详细写到     2，DataInputStream 是java.io包中一个数据输入流允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。
  • 车辆保险理赔案例 bijian1013 车险
    理赔案例： 一货运车，运输公司为车辆购买了机动车商业险和交强险，也买了安全生产责任险，运输一车烟花爆竹，在行驶途中发生爆炸，出现车毁、货损、司机亡、炸死一路人、炸毁一间民宅等惨剧，针对这几种情况，该如何赔付。 赔付建议和方案： 客户所买交强险在这里不起作用，因为交强险的赔付前提是：“机动车发生道路交通意外事故”； 如果是交通意外事故引发的爆炸，则优先适用交强险条款进行赔付，不足的部分由商业
  • 学习Spring必学的Java基础知识(5)—注解 bijian1013 javaspring
            文章来源：http://www.iteye.com/topic/1123823，整理在我的博客有两个目的：一个是原文确实很不错，通俗易懂，督促自已将博主的这一系列关于Spring文章都学完；另一个原因是为免原文被博主删除，在此记录，方便以后查找阅读。           有必要对
  • 【Struts2一】Struts2 Hello World bit1129 Hello world
    Struts2 Hello World应用的基本步骤 创建Struts2的Hello World应用，包括如下几步： 1.配置web.xml 2.创建Action 3.创建struts.xml，配置Action 4.启动web server，通过浏览器访问   配置web.xml <?xml version="1.0" encoding="
  • 【Avro二】Avro RPC框架 bit1129 rpc
    1. Avro RPC简介 1.1. RPC RPC逻辑上分为二层，一是传输层，负责网络通信；二是协议层，将数据按照一定协议格式打包和解包 从序列化方式来看，Apache Thrift 和Google的Protocol Buffers和Avro应该是属于同一个级别的框架，都能跨语言，性能优秀，数据精简，但是Avro的动态模式（不用生成代码，而且性能很好）这个特点让人非常喜欢，比较适合R
  • lua　set get cookie ronin47 lua cookie
    lua: local access_token = ngx.var.cookie_SGAccessToken if access_token then ngx.header["Set-Cookie"] = "SGAccessToken="..access_token.."; path=/;Max-Age=3000" end
  • java-打印不大于N的质数 bylijinnan java
    public class PrimeNumber { /** * 寻找不大于N的质数 */ public static void main(String[] args) { int n=100; PrimeNumber pn=new PrimeNumber(); pn.printPrimeNumber(n); System.out.print
  • Spring源码学习-PropertyPlaceholderHelper bylijinnan javaspring
    今天在看Spring 3.0.0.RELEASE的源码，发现PropertyPlaceholderHelper的一个bug 当时觉得奇怪，上网一搜，果然是个bug，不过早就有人发现了，且已经修复： 详见： http://forum.spring.io/forum/spring-projects/container/88107-propertyplaceholderhelper-bug
  • [逻辑与拓扑]布尔逻辑与拓扑结构的结合会产生什么? comsci 拓扑
       如果我们已经在一个工作流的节点中嵌入了可以进行逻辑推理的代码,那么成百上千个这样的节点如果组成一个拓扑网络,而这个网络是可以自动遍历的,非线性的拓扑计算模型和节点内部的布尔逻辑处理的结合,会产生什么样的结果呢?    是否可以形成一种新的模糊语言识别和处理模型呢?  大家有兴趣可以试试,用软件搞这些有个好处,就是花钱比较少,就算不成
  • ITEYE 都换百度推广了 cuisuqiang GoogleAdSense百度推广广告外快
    以前ITEYE的广告都是谷歌的Google AdSense，现在都换成百度推广了。   为什么个人博客设置里面还是Google AdSense呢？   都知道Google AdSense不好申请，这在ITEYE上也不是讨论了一两天了，强烈建议ITEYE换掉Google AdSense。至少，用一个好申请的吧。   什么时候能从ITEYE上来点外快，哪怕少点
  • 新浪微博技术架构分析 dalan_123 新浪微博架构
    新浪微博在短短一年时间内从零发展到五千万用户，我们的基层架构也发展了几个版本。第一版就是是非常快的，我们可以非常快的实现我们的模块。我们看一下技术特点，微博这个产品从架构上来分析，它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式，假如说我们一个明星用户他有10万个粉丝，那就是说用户发表一条微博的时候，我们把这个微博消息攒成10万份，这样就是很简单了，第一版的架构实际上就是这两行字。第
  • 玩转ARP攻击 dcj3sjt126com r
    我写这片文章只是想让你明白深刻理解某一协议的好处。高手免看。如果有人利用这片文章所做的一切事情，盖不负责。 网上关于ARP的资料已经很多了，就不用我都说了。 用某一位高手的话来说，“我们能做的事情很多，唯一受限制的是我们的创造力和想象力”。 ARP也是如此。 以下讨论的机子有 一个要攻击的机子：10.5.4.178 硬件地址：52:54:4C:98
  • PHP编码规范 dcj3sjt126com 编码规范
    一、文件格式 1. 对于只含有 php 代码的文件，我们将在文件结尾处忽略掉 "?>" 。这是为了防止多余的空格或者其它字符影响到代码。例如：<?php$foo = 'foo';2. 缩进应该能够反映出代码的逻辑结果，尽量使用四个空格，禁止使用制表符TAB，因为这样能够保证有跨客户端编程器软件的灵活性。例
  • linux 脱机管理（nohup） eksliang linux nohupnohup
    脱机管理 nohup 转载请出自出处：http://eksliang.iteye.com/blog/2166699 nohup可以让你在脱机或者注销系统后，还能够让工作继续进行。他的语法如下 nohup [命令与参数] --在终端机前台工作 nohup [命令与参数] & --在终端机后台工作   但是这个命令需要注意的是，nohup并不支持bash的内置命令，所
  • BusinessObjects Enterprise Java SDK greemranqq javaBOSAPCrystal Reports
    最近项目用到oracle_ADF  从SAP/BO 上调用 水晶报表，资料比较少，我做一个简单的分享，给和我一样的新手 提供更多的便利。   首先，我是尝试用JAVA JSP 去访问的。   官方API：http://devlibrary.businessobjects.com/BusinessObjectsxi/en/en/BOE_SDK/boesdk_ja
  • 系统负载剧变下的管控策略 iamzhongyong 高并发
    假如目前的系统有100台机器，能够支撑每天1亿的点击量（这个就简单比喻一下），然后系统流量剧变了要，我如何应对，系统有那些策略可以处理，这里总结了一下之前的一些做法。 1、水平扩展 这个最容易理解，加机器，这样的话对于系统刚刚开始的伸缩性设计要求比较高，能够非常灵活的添加机器，来应对流量的变化。 2、系统分组 假如系统服务的业务不同，有优先级高的，有优先级低的，那就让不同的业务调用提前分组
  • BitTorrent DHT 协议中文翻译 justjavac bit
    前言 做了一个磁力链接和BT种子的搜索引擎 {Magnet & Torrent}，因此把 DHT 协议重新看了一遍。 BEP: 5Title: DHT ProtocolVersion: 3dec52cb3ae103ce22358e3894b31cad47a6f22bLast-Modified: Tue Apr 2 16:51:45 2013 -070
  • Ubuntu下Java环境的搭建 macroli java工作ubuntu
    配置命令： 　　$sudo apt-get install ubuntu-restricted-extras 　　再运行如下命令： 　　$sudo apt-get install sun-java6-jdk 　　待安装完毕后选择默认Java. 　　$sudo update- alternatives --config java 　　安装过程提示选择，输入“2”即可，然后按回车键确定。
  • js字符串转日期（兼容IE所有版本） qiaolevip TODateStringIE
    /** * 字符串转时间（yyyy-MM-dd HH:mm:ss） * result （分钟） */ stringToDate : function(fDate){ var fullDate = fDate.split(" ")[0].split("-"); var fullTime = fDate.split("
  • 【数据挖掘学习】关联规则算法Apriori的学习与SQL简单实现购物篮分析 superlxw1234 sql数据挖掘关联规则
    关联规则挖掘用于寻找给定数据集中项之间的有趣的关联或相关关系。 关联规则揭示了数据项间的未知的依赖关系，根据所挖掘的关联关系，可以从一个数据对象的信息来推断另一个数据对象的信息。 例如购物篮分析。牛奶 ⇒ 面包 [支持度：3%，置信度：40%] 支持度3%：意味3%顾客同时购买牛奶和面包。 置信度40%：意味购买牛奶的顾客40%也购买面包。 规则的支持度和置信度是两个规则兴
  • Spring 5.0 的系统需求，期待你的反馈 wiselyman spring
                   Spring 5.0将在2016年发布。Spring5.0将支持JDK 9。          Spring 5.0的特性计划还在工作中，请保持关注，所以作者希望从使用者得到关于Spring 5.0系统需求方面的反馈。  
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他