- 综合排序
- 最热优先
- 最新优先
- 来自专栏Niuery的技术日记
IL编织器 --- Fody
介绍 这个项目的名称“Fody”来源于属于织巢鸟科（Ploceidae）的小鸟（Fody），本身意义为编织。 属性是可选的，具体取决于所使用的编织器。 不需要部署运行时依赖项。 插件 从介绍就可以看出，理论上只要你想要，基于这个库基本上能做任何事情。 所以基于该库，诞生了非常非常多的插件库，下面简单介绍部分插件： 插件 描述 Github URL 「Fody」 编织.net程序集的可扩展工具 https://github.com/Fody/Fody Rougamo是一个静态代码织入的AOP组件，类似Postsharp的一个组件，具有 「MethodDecorator.Fody」的功能，但功能更加强大，我个人觉得最为突出，优秀的两个功能点： 匹配 编织
92610编辑于 2023-10-22 MyBatis：编织数据之美的艺术
在数据库交互的舞台上，MyBatis就如同一位出色的编码艺术家，通过其独特的姿态和技巧，将数据库操作变得既优雅又高效。在这篇博客中，我们将深入研究MyBatis的使用详解，揭开其中的奥秘，感受数据之美的艺术之旅。
24310编辑于 2024-01-19- 来自专栏蔡坨坨的测试笔记
财富编织：Beancount复式记账指南
在前面两篇文章中，我们探讨了「一年之余，财富何方？」以及「财富梳理：复式记账之道」，旨在回答两个核心问题：“为什么要记账？”和“如何科学记账？”。
1.3K20编辑于 2024-03-25 - 来自专栏finclip小程序ide
科技改变未来 代码编织世界
IDE全名集成开发环境（Integrated Development Environment ），它是用于提供程序开发环境的应用程序，一般包括代码编辑器、编译器、调试器和图形用户界面等工具。集成了代码编写功能、分析功能、编译功能、调试功能等一体化的开发软件服务套。
50050编辑于 2022-08-01 - 来自专栏数据猿
ETL的痛，Denodo数据编织都懂！
接下来，我们就以数据编织的先驱Denodo为例，来分析数据虚拟化的特色和最新进展。（Denodo制作了一个客户实践案例白皮书，详细分析了数十家典型客户的数据编织实践经验。 在数据管理方面，DEP通过逻辑数据编织架构，为企业提供了统一的数据视图，简化了业务方对多个数据系统的访问。DEP的集中式数据安全和治理层确保了数据按预定义语义和治理规则交付，支持细粒度的访问控制。 对于大部分企业而言，数据编织是一种新事物。企业是否尝试数据编织，最核心的判断来自于成本与收益的权衡。 Denodo作为数据虚拟化和数据编织技术的先行者，一直致力于通过数据编织生态的建设，来推动技术的创新和应用的拓展。 One More Thing 为了更好挖掘数据编织技术的应用价值，Denodo与数十家全球头部企业客户携手合作，撰写了一本详尽的案例集，带来了制造、高科技、零售、能源等行业头部客户的数据编织最佳实践，深入分析了数据编织在数据自助服务
69410编辑于 2024-05-30 Spring事务控制：编织代码的魔法丝带
事务管理是数据库操作中至关重要的一环，而Spring框架提供了强大而灵活的事务控制机制，让我们能够编织代码的魔法丝带，轻松管理事务的起舞和谢幕。 结语 Spring事务管理就如同一场优雅的舞蹈，通过精妙的编织，保障了数据的一致性和可靠性。在这个舞台上，我们学习了事务的基本概念、使用方式、传播行为、隔离级别以及异常处理等知识点。 愿这场舞蹈中的每一步都为你的项目增色不少，愿每一次的事务都如同编织代码的魔法丝带，轻松而稳重。在Spring的事务管理中，愿你的代码舞台上演绎出一幕幕精彩的故事，成就一段美好的编码旅程。
34530编辑于 2024-01-15- 来自专栏破晓
Linux线程：编织并发的梦幻世界
上一篇博客，我们集中讨论了Linux线程互斥相关的概念，但随着互斥锁的使用，也容易产生线程饥饿问题，所以我们有必要学习一下Linux线程同步相关的概念。接下来我们开始学习。
25310编辑于 2024-08-20 - 来自专栏全栈程序员必看
语义分割步骤_实时语义分割
深度学习发展到现在，各路大神都发展出了各种模型。在深度学习实现过程中最重要的最花时间的应该是数据预处理与后处理，会极大影响最后效果，至于模型，感觉像是拼乐高积木，一个模块一个模块地叠加，拼成最适合自己的模型。
76430编辑于 2022-09-25 - 来自专栏繁依Fanyi 的专栏
【Spring 篇】编织魔法：用XML实现Spring AOP
欢迎来到Spring的神奇世界，在这里，我们将穿越到编程的魔法舞台，一起学习如何使用XML实现Spring AOP。这是一个充满创意和优雅的舞台，而今我们将揭开其神秘的面纱。
31810编辑于 2024-01-10 - 来自专栏开源心路
数据编织 (Data Fabric) vs 数据网格 (Data Mesh)
数据编织是一个设计概念，表示数据和连接进程的集成层。 数据编织 Forrester 分析师 Noel Yuhanna 是最早在 200 年代中期定义数据编织的人之一。 Google Cloud 还通过其新的 Dataplex 产品支持数据编织方法。数据编织中各种组件之间的集成通常通过 API 和通用 JSON 数据格式进行处理。 网格 VS 编织 正如我们所看到的，数据网格和数据编织方法之间存在相似之处。但是，也有一些差异需要考虑。 “数据编织和数据网格都提供了跨多种技术和平台访问数据的架构，但数据编织以技术为中心，而数据网格则专注于组织变革，”塞拉在 6 月的博客文章中写道。
1.9K10编辑于 2023-06-30 - 来自专栏全栈程序员必看
语义分割的定义_语义分割模型
引言 语义分割结合了图像分类、目标检测和图像分割，通过一定的方法将图像分割成具有一定语义含义的区域块，并识别出每个区域块的语义类别，实现从底层到高层的语义推理过程，最终得到一幅具有逐像素语义标注的分割图像 图像语义分割方法有传统方法和基于卷积神经网络的方法，其中传统的语义分割方法又可以分为基于统计的方法和基于几何的方法。 随着深度学习的发展，语义分割技术得到很大的进步，基于卷积神经网络的语义分割方法与传统的语义分割方法最大不同是，网络可以自动学习图像的特征，进行端到端的分类学习，大大提升语义分割的精确度。 ► 基于全卷积的残差网络语义分割模型 深度卷积神经网络的每一层特征对语义分割都有影响，如何将高层特征的语义信息与底层识别的边界与轮廓信息结合起来是一个具有挑战性的问题。 总结 本文主要对于图像语义分割技术的研究发展历程进行了详细评述，对于传统的语义分割方法到当前主流的基于深度学习的图像语义分割理论及其方法做出了综合性的评估，对基于深度学习语义分割技术需要用到的网络模型、
1.3K40编辑于 2022-09-25 - 来自专栏数据猿
以数据编织，重构数据管理新范式
为什么是数据编织？ 数据编织是什么？为什么会在近几年异军突起，受到业界的广泛关注？ 张博认为：“数据编织不是一种产品而是一种治理理念，或者说是一种数据架构、治理理念和落地软件的结合体。” 数据编织能提供自动编织、动态集成的能力，兼容各种数据集成方式，实现对数据的统一化、集约化、合规化管理。同时，数据编织还有一个核心能力，就是“数据虚拟化”。 数据编织技术路线的出现会带来新的曙光吗？真正落实到产业，数据编织能为数据处理带来哪些变化呢？？ 而通过ETL的方式进行拓展成本将不堪重负，我们可以用数据编织来改善这一现状。 数据编织超越了传统的ETL技术逻辑。 大模型与数据编织，互相成就和需要 如开头所言，数据处理是人工智能发展的重要一环，而数据编织同样与人工智能紧密相关。一方面，数据编织的诞生就是为了促进人工智能的发展。
34310编辑于 2024-07-16 - 来自专栏JAVA
计算机之梦：从修电脑到编织魔法
《计算机之梦：从修电脑到编织魔法》 摘要 身为一名码农，当初我选择计算机领域是因为对编织魔法般的程序世界的憧憬。然而，入门时却遭遇了一场与电脑故障的魔法修行。 这篇博客将回溯当初选择计算机的初衷，探讨如何从修电脑到编织程序的奇妙之路，以及计算机对个人人生的影响。快随我一起重温当初选择计算机的梦想之旅吧！ 一、为什么当初选择计算机行业 1.1 梦想中的编织魔法 初心： 当初的选择源于对编织魔法般程序世界的憧憬。梦想着能够用代码创造出炫酷、神奇的虚拟世界。 从修电脑到编织程序，这个过程不仅是技术的提升，更是对梦想的追逐。计算机不仅是我职业发展的引擎，更是让我人生变得更加丰富多彩的魔法工具。 参考资料 从修电脑到编织程序的码农成长之路
11900编辑于 2024-11-20 - 来自专栏全栈程序员必看
语义分割技术综述_语义分割模型
论文地址：https://arxiv.org/abs/1704.06857 应用于语义分割问题的深度学习技术综述 摘要 计算机视觉与机器学习研究者对图像语义分割问题越来越感兴趣。 1 引言 如今，语义分割（应用于静态2D图像、视频甚至3D数据、体数据）是计算机视觉的关键问题之一。在宏观意义上来说，语义分割是为场景理解铺平了道路的一种高层任务。 于是，追随语义分割相关工作、合理地解释它们的论点、过滤掉低水平的工作以及验证相关实验结果等是非常困难的。 就我所知，本文是第一篇致力于综述用于语义分割的深度模型技术的文章。 该数据集被以像素级别标注（水平位置、像素语义分类、像素几何分类以及图像区域），用来评估场景语义理解方法。 该工作被视为里程碑式的进步，因为它阐释了CNN如何可以在语义分割问题上被端对端的训练，而且高效的学习了如何基于任意大小的输入来为语义分割问题产生像素级别的标签预测。
1.2K40编辑于 2022-09-25 - 来自专栏机器学习、深度学习
语义分割
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation PAMI 2017 http://mi.eng.cam.ac.uk/projects/segnet/
76830发布于 2019-05-26 企业级智能问数四问：从“语义鸿沟”到“统一认知”
语义编织层负责“语义执行”： 这个结构化的意图被送入一个独立的语义引擎。该引擎的核心是一个统一、动态、可计算的语义层——即“语义编织”的成果。它明确定义了所有指标、维度、计算规则与权限策略。 语义编织具体包含哪些关键技术要求？“语义编织”一词听起来抽象，但其技术实现是高度工程化和系统化的。它可以被拆解为三个相互依存、协同工作的核心支柱，共同构成企业数据认知体系的坚实骨架。1. 统一的、可计算的语义层： 这是语义编织的“大脑”。它不是一个简单的数据字典，而是一个动态的、可组合的语义知识库。 谁在真正践行语义编织？Aloudata 的实践与成果“语义层”概念在数据分析领域已存在多年，但能够将语义编织理念完整落地并实现工程化突破的厂商并不多见。 结语：语义编织驱动下的数据决策范式企业级智能问数的探索之路，清晰地指向了一个结论：单纯依赖大模型的语言能力无法解决企业数据的根本性挑战。真正的突破口在于构建一个以语义编织为核心的新型数据基础设施。
17210编辑于 2025-11-13- 来自专栏全栈程序员必看
点云语义分割_语义分割研究内容
RSNet [CVPR 2018]：点云的语义分割。 所谓点云的分割，今天我想介绍的有两层，一层是语义分割和实例分割，所谓语义分割就是给每个点 assign 一个 label，比如说这个点是桌子还是椅子。 实例分割就是在 assign 语义分割的同时，把每个不同的物体给分割出来，比如一个房间里有很多椅子，每个点标 label 成椅子 1、椅子 2。 今天主要介绍在最新的 CVPR 上的两个工作，一个是对点云进行实例分割的网络：similarity group proposal network，还有一个是对点云进行语义分割的网络，recurrent
1.1K30编辑于 2022-09-23 - 来自专栏机器学习、深度学习
语义分割
Semantic Segmentation https://arxiv.org/abs/1707.03718 Torch7 code: https://github.com/e-lab/LinkNet 本文主要侧重语义分割的速度问题
49310发布于 2019-05-26 - 来自专栏机器学习、深度学习
语义分割
Semantic Segmentation in Street Scenes CVPR2017 Theano/Lasagne code：https://github.com/TobyPDE/FRRN 针对语义分割问题
65230发布于 2019-05-26 - 来自专栏机器学习、深度学习
语义分割
High-Resolution Semantic Segmentation CVPR2017 https://github.com/guosheng/refinenet 本文还是使用 cascaded 思想来做语义分割 identity mappings 、 提出一个 chained residual pooling 1 Introduction 直接将 CNN 网络模型如 VGG 、Residual Net 用于 语义分割存在的问题就是 这里我们认为 features from all levels 对于语义分割都是有帮助的。 这里我们提出了一个框架将所有的特征融合起来用于语义分割 ResNet 、Dilated convolutions 、 RefineNet ? RefineNet 模块示意图： ?
93610发布于 2019-05-26
腾讯云开发者
