您所浏览的这篇博客因违规已被关闭
推荐文章7月摸鱼计划全新升级啦！任选7/14/21天发博文吧~不需要留言报名！不需要等待统一领奖时间！
推荐原创51CTO博客3天前705阅读4点赞25评论1收藏【福利周】邀好友共领新人福利，茶具/T恤/游戏鼠标/钢笔“任你选”嘿，6月末期福利周来啦~6月26日-7月2日，邀请好友在51CTO博客成功发布第一篇原创技术文章，有多重实体礼包“任你选”！
推荐原创51CTO博客7天前10000+阅读4点赞5评论1收藏SpringBoot的controller为什么不能并行执行？同一个浏览器连续多次访问同一个url竟然是串行的？-第329篇悟纤：师傅，见鬼了！师傅：那你看清楚鬼是什么样子了嘛？悟纤：????????师傅：这…悟纤：师傅别闹了，说正经事，我通过浏览器多次访问同一个controller的方法，结果竟然是串行执行了。悟纤：为什么不能并行执行？按照我的理解，多个http请求到达controller的时候，是不同的线程进行处理的。照理说应该是可以并行的。师傅：你这确实是见鬼了，赶紧闪。悟纤：师傅，这到底是怎么回事嘛？师傅：这个
原创悟空学院1小时前158阅读点赞评论收藏色谈Java序列化：女孩子慎入-第280篇存一些不频...
原创悟空学院1小时前155阅读点赞评论收藏关于序列化与反序列化MessagePack的实践|京东云技术团队序列化的目的是将对象变成字节序列，这样一来方便持久化存储到磁盘，避免程序运行结束后对象就从内存里消失，另外字节序列也更便于网络运输和传播
原创京东云开发者1小时前143阅读点赞评论收藏Jmeter压测实战：Jmeter二次开发之自定义函数|京东云技术团队本文介绍如何开发Jmeter自定义函数实现快速生成京东宙斯下单标准sign，同时深刻理解Jmeter的插件化机制及高扩展性特性。
原创京东云开发者2小时前149阅读点赞评论收藏不是吧，交换机坏了你还只会这么排查？又见面了，我的网工朋友上次给你分享了交换机和路由器的对接上网配置案例，还记得吗？今天这篇，和你聊聊交换机接口故障。接口故障这件事，对咱们网工来说其实算是家常便饭了。工作到现在，你复盘一下，有没有理出来一个最高效的排查和处理接口故障方法？没思路的话，今天给你盘一盘。接口状态怎么查看？接口的物理状态为DOWN状态时，怎么定位故障原因？怎么恢复接口到UP状态？如果觉得有用的话，可以多多转发分享，让更多网
原创网络工程师俱乐部2小时前147阅读点赞评论收藏Spark以及sparkstreaming核心原理及实践-(1)，sparkstreaming原理及实践，还有spark调优以及环...
原创nethub2小时前150阅读点赞评论收藏CXF实现webService服务（一）以前工作中也用CXF,但都是用别人现成搭好的环境，这次自己重头搭建一遍环境。过程中也有遇到的问题，也做了简单的整理。 ApacheCXF是一个开放源代码框架，提供了用于方便地构建和开发Web服务的可靠基础架构。它允许创建高性能和可扩展的服务，您可以将这样的服务部署在Tomcat和基于Spring的轻量级容器中，以及部署在更高级的服务器上，例如Jboss、IBM®Web
原创nethub2小时前150阅读点赞评论收藏SpringBoot文件上传示例本文介绍如何在SpringBootWeb应用程序中上传文件。使用的工具：SpringBoot1.4.3.RELEASESpring4.3.5.RELEASEThymeleafMaven3EmbeddedTomcat8.5.61.项目结构标准项目结构如下图所示-2.项目依赖Springboot依赖关系，无需额外的文件上传库。
人工智能专栏第九讲——目标检测
目标检测，就是指在图像或视频中自动地检测出感兴趣的目标区域，并识别出这个目标的类别。在人工智能的应用领域中，目标检测具有广泛的应用价值。例如，自动驾驶需要识别出道路标志和行驶的车辆、行人等障碍物；智能监控需要识别出异常行为和非法入侵等；医学影像处理需要识别出病变部位等。因此，深度学习领域对于目标检测也是十分关注的。
传统的目标检测方法往往需要手工设计特征提取器并叠加分类器进行目标识别，eg.HOG+SVM需要专家对目标、环境进行特定的先验知识设计，往往收效甚微。
而深度学习作为一种端到端的学习方式，可以直接对输入的图像进行学习和识别，而无需特定的先验知识。因此基于深度学习的目标检测方法成为了当前研究的热点之一。
常用的深度学习目标检测方法主要包括两种：
1.R-CNN（Region-basedConvolutionalNeuralNetworks）系列方法
R-CNN方法是目前业界使用最多的目标检测方法。它采用两个模型：第一个模型是物体区域提取模型，根据图片中的每个区域，生成一个定长的特征向量；第二个模型根据提取出的特征向量进行目标分类。
对于物体区域提取模型，常见的有SelectiveSearch和EdgeBoxes。其原理是通过合并不同的区域，递归生成一个候选区域集合，对于每个候选区域，使用一个预训练好的卷积神经网络（CNN）提取出固定维度的特征向量，这些向量被送到支持向量机（SVM）分类器进行分类。
R-CNN系列方法是准确率最高、效果最好的目标检测方法之一，但是计算速度十分缓慢，因此不适合实时目标检测应用。
2.YOLO（YouOnlyLookOnce）系列方法
YOLO是一种基于深度学习的实时目标检测算法，其主要特点是速度快、模型小、准确率高。
YOLO方法采用单个神经网络对整个图像进行前向传递，并同时预测图像中的感兴趣区域和相应的类别。这个过程称为“全图卷积”（fullyconvolutional），由于只需要一次前向传递，因此速度非常快。
YOLO系列方法采用Darknet框架进行实现，在基于PascalVOC、COCO等数据集进行实验时，其平均正确率(mAP)可以达到80%以上。
总体来说，目标检测是深入学习领域中非常重要的一个应用方向，而R-CNN系列和YOLO系列就是这个领域目前的两个热门方法。随着深度学习和计算硬件技术的不断进步，目标检测的性能和效率将会得到更大的提升，有望为各种智能应用带来更多的可能性。
目标检测适合新手学习吗?
目标检测对于新手学习来说可能有一定的挑战，因为它涉及到很多复杂的概念和算法。目标检测是计算机视觉领域中较为高级的任务，需要对机器学习、深度学习以及图像处理等方面有一定的了解。同时，目标检测也需要掌握相关编程和数学知识。
然而，对于有一定编程和机器学习基础的人来说，入门目标检测是可行的。有很多优秀的教材和在线资源可以帮助新手理解目标检测的概念和实现方法。此外，使用一些流行的深度学习框架（如TensorFlow和PyTorch）可以简化目标检测算法的实现过程。
需要注意的是，对于新手来说，建议从基础的计算机视觉知识学起，例如图像处理、特征提取等。然后，逐步深入学习目标检测的核心概念和算法。通过练习和实践，相信新手也能够掌握目标检测的技能。
推荐书籍10本:
以下是关于目标检测的10本入门书籍推荐，并对每本书进行简要介绍：
1."DeepLearningforComputerVisionwithPython"byAdrianRosebrock这本书通过Python和深度学习技术介绍了计算机视觉领域的基本概念和实践。其中包括目标检测算法的介绍和实现。
2."LearningOpenCV3:ComputerVisioninC++withtheOpenCVLibrary"byAdrianKaehlerandGaryBradski这本书详细介绍了基于OpenCV库的计算机视觉概念和技术，包括目标检测算法的实现。尤其适合对C++编程感兴趣的读者。
3."ComputerVision:AlgorithmsandApplications"byRichardSzeliski该书提供了全面的计算机视觉算法和技术介绍，包括目标检测和物体识别。它强调了基本原理，并提供了实际应用示例和代码。
4."DeepLearningforObjectDetectionandRecognition"byRobertoValenti这本书深入介绍了目标检测和识别的深度学习方法，包括著名的卷积神经网络模型和相关技术。它包含了大量理论解释和实践案例。
5."MultipleViewGeometryinComputerVision"byRichardHartleyandAndrewZisserman这本经典的书籍详细介绍了多视角几何在计算机视觉中的应用。它对目标检测和物体跟踪等问题具有重要的理论基础。
6."PatternRecognitionandMachineLearning"byChristopherBishop该书是模式识别和机器学习领域的经典教材，其中包含了目标检测的相关内容。它涵盖了机器学习算法、模型评估和特征选择等领域。
7."ConvolutionalNeuralNetworksforVisualRecognition"byFei-FeiLi,JustinJohnson,andSerenaYeung这是斯坦福大学的一门深度学习课程的教材，涵盖了卷积神经网络在计算机视觉中的应用。其中包括了目标检测的基本原理和实现方法。
8."DeepLearning"byIanGoodfellow,YoshuaBengio,andAaronCourville这是一本权威的深度学习教材，全面介绍了深度学习的核心理论和技术。其中包含了目标检测的相关内容，尤其是基于卷积神经网络的方法。
9."PythonCrashCourse:AHands-On,Project-BasedIntroductiontoProgramming"byEricMatthes对于初学者来说，这本书提供了基于Python的编程入门指南。这对于学习目标检测算法时编写和理解代码非常有用。
10."PracticalDeepLearningforCloud,Mobile,andEdge:Real-WorldAI&Computer-VisionProjectsUsingPython,Keras&TensorFlow"byAnirudhKoul,SiddhaGanju,andMeherKasam这本书通过实际项目的案例介绍了如何使用Python、Keras和TensorFlow构建实际应用。其中包括目标检测、图像分类和物体识别等领域的内容。
这些书籍涵盖了目标检测算法和计算机视觉的核心理论和实践，从基础到高级都有所涉及，适合不同层次的读者。