当前位置：首页 > news >正文

计算机视觉五大技术——深度学习在图像处理中的应用

news 来源：原创 2025/9/5 20:50:06

深度学习是利用“多层神经网络”实现人工智能的一种方式

计算机视觉：“对图像中的客观对象构建明确而有意义的描述”，识别图片中的含义进行处理

1.图像分类——“图里有狗”

判断整张图片属于哪个类别，判断图片是“猫”还是“狗”

思路：输入不同类别的图像，给每个相同类别的图像打上相同标记，训练一个分类器来学习每个类别的外部特征。

目前较为流行的图像分类架构是卷积神经网络（CNN）——将图像送入网络，然后网络对图像数据进行分类。

输入数据首先经过卷积层，在卷积层中每次只关注图像中的一个小局部区域，每个节点只需要处理离自己最近的邻近节点。一点一点看完了就能组成大概的轮廓，每次只看一点点像扫描仪一样滑动的过程就是滑动窗口。

经过卷积层后再通过池化层，池化层是简化图像、减小数据量的，它会从每一小块区域中选出一个最“突出的”像素（最大值）， 只看重要的信息。

2.目标检测——“图里有狗，狗在哪个位置”

识别图像中存在的物体，并给出这些物体的位置和边界，识别并框出图像中的“人”、“车”、“狗”等多个物体

第一种模型是基于区域的卷积神经网络（ R-CNN ）：图像太大了，不能一个像素一个像素去搜索，所以我们就先找“可能有物体的区域”，再用 CNN 进行识别。

模型进化历程：R-CNN → Fast R-CNN → Faster R-CNN

（1）R-CNN

原理流程：

选择性搜索提取大约 2000 个区域（region proposals）
每个区域都单独送入 CNN 提取特征
然后将特征送入：

- SVM分类器（判断类别）
- 边界框回归器（微调位置）

问题：

每个区域都要单独跑一次 CNN，太慢！
所有区域都要存储特征，占用硬盘！
推理速度很慢，无法实时！

（2） Fast R-CNN

两大改进点：

整张图只跑一次 CNN，生成一个大的特征图！
所有的区域建议直接在这张特征图上进行提取（用 ROI pooling 层）

此外：

用 Softmax 替代 SVM 进行分类
整个网络是端到端训练的

效果：

更快、更省空间
但 区域建议（selective search）仍然太慢

（3）Faster R-CNN 真正意义上的“端到端目标检测模型”

核心创新：引入 RPN（Region Proposal Network）

不再用传统的“选择性搜索”了
RPN 是一个小的 CNN 网络，能自动从特征图中生成“候选框”
每个位置输出 k 个框，每个框预测：

- 是否包含目标（分类）
- 框的位置（回归）

好处：

快得多！RPN 速度远胜选择性搜索
可端到端训练（共享卷积层）

进化小结表：

模型	特征提取	区域提议方式	分类方式	是否端到端	速度
R-CNN	每个区域单独提取	选择性搜索	SVM + 回归	❌	慢
Fast R-CNN	整图提特征	选择性搜索	Softmax + 回归	✅	中等
Faster R-CNN	整图提特征	RPN（神经网络）	Softmax + 回归	✅	快

3.语义分割（像素级的图像理解任务）“图里每个像素属于哪个类别”——区分狗的每个像素，背景的每个像素

对图像中每个像素分割（“语义”层面），不同类别区域的像素赋不同标签，把图中“人”、“树”、“地面”分别涂上不同颜色。因此，与分类不同，我们需要用模型对密集的像素进行预测。

解决方案就是加州大学伯克利分校提出的全卷积网络（ FCN ），它提出了端到端的卷积神经网络体系结构，在没有任何全连接层的情况下进行密集预测。

（1）传统方式：滑动窗口 + 分类

对每个像素，取它周围一块图像（patch）送入分类网络
每个像素一个窗口，分类后拼起来就是分割图

好处：简单直接
问题：

重叠太多，特征不能共享，效率极低
无法处理大图和复杂结构

（2）全卷积网络（FCN，全称 Fully Convolutional Network）

加州大学伯克利分校提出，开创了现代语义分割范式

核心思想：

把分类网络里的全连接层全部取消！
用卷积 + 上采样实现“像素级分类”
不管输入图像大小如何，输出都是对应大小的 mask 图

优点：

端到端训练
比滑动窗口快很多
支持任意尺寸图像

缺点：

由于池化层损失了空间细节，结果很模糊、边界不清晰

（3） FCN 优化：SegNet

是 FCN 的一个改进版
引入了编码器-解码器结构：

- 编码阶段（下采样）：抽取高层特征
- 解码阶段（上采样）：逐步还原像素分布

同时在解码阶段加入了 skip connections（跳跃连接）

- 保留原始分辨率信息，辅助边界还原

更高精度
更强细节还原能力
模型稍微更复杂

（4）更进一步：DeepLab 系列 & RefineNet

DeepLab：

- 使用了 空洞卷积（Dilated Convolution）

- - 保留大感受野，不损失分辨率

- 引入了 CRF 后处理增强边界质量

RefineNet：

- 利用多层 skip connection 汇聚多尺度特征
- 更加强调边界对齐和细节保持

关键术语解释

名词	含义
FCN	全卷积网络，端到端的语义分割框架
上采样	将低分辨率特征图还原为高分辨率，用于逐像素输出
反卷积 / 转置卷积	一种常用的上采样操作，用于图像放大
空洞卷积（dilated conv）	在卷积核之间插入空洞，扩大感受野不增加计算
跳跃连接（skip connection）	保留原始特征用于后期融合，提升细节还原能力

4.实例分割—— “图里有狗，狗在哪，且区分不同的狗”

结合目标检测和语义分割， —— 在图像中，实例分割不仅要识别出物体的类别（比如狗、车、人等），还要将同一类别的多个实例分开，并为每个实例的每个像素生成准确的边界。

实例分割将不同类型的实例进行分类，比如用 5 种不同颜色来标记 5 辆汽车

（1）Mask R-CNN：

Mask R-CNN是实例分割领域的开创性工作，它是在Faster R-CNN（目标检测模型）基础上进行扩展的。
在Faster R-CNN中，目标检测任务通过生成候选框（Region Proposal）来确定物体的位置，Mask R-CNN通过在每个候选框上添加一个分支，预测每个候选框对应物体的像素级别的分割掩膜（mask）。
其网络架构包括：

- Backbone：用于提取图像的特征（通常是ResNet或者其他强大的卷积网络）。
- Region Proposal Network (RPN)：生成可能包含物体的区域（候选框）。
- RoIAlign：用于精准地从每个候选区域中提取特征。
- Mask Branch：通过FCN生成每个实例的像素级分割掩膜。
- Bounding Box Branch：预测候选框的位置并进行微调。

优点：

高精度：能够同时进行目标检测和像素级的实例分割。
端到端训练：Mask R-CNN可以同时训练目标检测、边界框回归和分割掩膜。
可扩展性：易于在其他任务上进行扩展，比如人脸识别、姿态估计等。

缺点：

由于每个候选区域都需要生成一个掩膜，计算量较大。
在复杂的场景中，可能会出现候选区域和物体边界不准确的情况，导致分割质量下降。

（2）PANet (Path Aggregation Network)：

PANet是一种提升实例分割精度的网络，它在Mask R-CNN的基础上增加了路径聚合模块，通过细化信息流和多尺度特征融合来改善实例分割性能。PANet通过增强网络的特征提取能力，提高了分割掩膜的准确性。

（3）YOLACT：

YOLACT（You Only Look At Coefficients）是一种高效的实例分割方法，采用实时实例分割，具有较高的速度。YOLACT与Mask R-CNN不同，它通过将实例分割拆分成两个步骤：首先预测每个物体的特征（类似于目标检测的bounding box），然后通过系数与特定的原型进行结合，生成最终的分割掩膜。
优点：速度较快，适用于实时任务。
缺点：在复杂图像和小物体上分割效果较差。

5.关键点检测—— “图里有狗的头部、耳朵、尾巴位置”

检测图像中特定的关键点，如人体的“头部、手肘、膝盖”等。用来做姿态识别、动作分析（如跳舞识别、体操评分）。

目标：检测图像中特定的关键点，通常是一些重要的结构点，例如人体的关节点、面部五官、物体的特征点等。

常见应用：

人体姿态估计：分析人的动作，比如姿势识别、跳舞动作分析、运动员动作评估等。
人脸关键点检测：比如眼睛、鼻子、嘴巴等，应用于面部表情识别、面部识别解锁、表情分析等。
手势识别：通过识别手指的关键点来实现手势操作（如VR、AR中的控制）等。

关键技术与方法：

OpenPose：一个非常著名的实时多人姿态估计库，它能从图片中检测到多个人体的关节位置，并准确追踪每个人的动作。
HRNet（High Resolution Network）：一种高分辨率网络，通过保持较高的分辨率来提高关键点检测的精度，适用于人体姿态、面部标记等任务。

进展：随着深度学习的进步，基于CNN的关键点检测技术得到了很大提升，尤其是在姿态估计、表情识别等领域表现得越来越成熟。

计算机视觉五大技术——深度学习在图像处理中的应用

深度学习是利用“多层神经网络”实现人工智能的一种方式计算机视觉：“对图像中的客观对象构建明确而有意义的描述”，识别图片中的含义进行处理 1.图像分类——“图里有狗” 判断整张图片属于哪个类别，判断图片是“猫”还是“狗” 思路&a…...

编程日记 2025/9/5 20:50:06

Mixed Content: The page at https://xxx was loaded over HTTPS

一、核心原因分析 Mixed Content 警告是由于 HTTPS 页面中引用了 HTTP 协议的资源（如脚本、图片、iframe 等），导致浏览器因安全策略阻止加载这些非加密内容。HTTP 资源可能被中间人攻击篡改，破坏 HTTPS 页面的整体安全性。二、推荐解决方案 1. 强制资源升级为 HTTPS •…...

编程日记 2025/9/4 12:31:57

transforms-pytorch4

数据通常不会直接是机器学习算法可以使用的“最终格式”。我们使用转换（transforms）来对数据进行处理，使其适合训练。所有的 TorchVision 数据集都提供了两个参数：transform 用于修改特征，target_transform 用于修改…...

编程日记 2025/8/31 11:40:56

Springboot----@Role注解的作用

Role(BeanDefinition.ROLE_INFRASTRUCTURE) 是 Spring 框架中的一个注解，用于显式标记 Bean 的角色，表明该 Bean 是 Spring 容器内部的基础设施组件（如后置处理器、工具类等），而非用户直接使用的业务 Bean。其核心作用…...

编程日记 2025/8/31 11:40:47

SpringBoot项目报错: 缺少 Validation

目录为什么需要Validation？如何使用Validation？ 缺少validation？这不过是代码的一个小小问题，就像被风带走的一片叶子，轻轻一吹就能解决啦！ 在你的项目中，如果你发现自己需要进行数据验证&…...

编程日记 2025/9/3 19:33:13

MySQL vs MSSQL 对比

在企业数据库管理系统中，MySQL 和 Microsoft SQL Server（MSSQL）是最受欢迎的两大选择。MySQL 是一款开源的关系型数据库管理系统（RDBMS），由 MySQL AB 开发，现归属于 Oracle 公司。而 MSSQL 是微…...

编程日记 2025/8/30 17:33:02

预测分析（四）：面向预测分析的神经网络简介

文章目录面向预测分析的神经网络简介神经网络模型1. 基本概念2. 前馈神经网络3. 常见激活函数4. 循环神经网络（RNN）5. 卷积神经网络（CNN） MPL结构工作原理激活函数训练方法基于神经网络的回归——以钻石为例构建预测钻石价格的M…...

编程日记 2025/8/31 11:40:22

实战交易策略篇十四：江南神鹰捕捉热点和熊市生存交易策略

文章目录系列文章捕捉热点是股市最大的掘金术市场温度不低于50是热点产生的必要条件题材的大小和新颖程度决定热点的持续时间和涨幅炒作热点的3个阶段捕捉热点的方法与步骤操作实战案例熊市生存术“熊市最好的做法是离开股市”的说法是一句空话熊市盈利模式：不轻言底部，超跌…...

编程日记 2025/8/31 11:40:07

去中心化衍生品（以Synthetix为例）

去中心化衍生品（以Synthetix为例） 核心概念合成资产（Synths）： 定义：链上追踪现实资产价值的代币化合约（如sXAU追踪黄金，iBTC反向追踪比特币）。类型： 正…...

编程日记 2025/9/3 18:02:43

JavaScript重难点突破：事件循环

想了解事件循环，首先要了解js中线程的概念。宿主环境在浏览器环境中，js实际上包含了三个部分ECMAScript、DOM（文档对象模型）、BOM（浏览器对象模型），我们最熟悉的js代码指的是ECMAScript这一…...

编程日记 2025/8/31 11:39:37

Python每日一题(15)

Python每日一题2025.4.4 一、题目题目描述输入格式输出格式输入输出样例 #1输入 #1输出 #1 二、分析三、源代码四、deepseek 一、题目题目描述您需要写一种数据结构，来维护一些数（都是绝对值 1 0 9 10^9 109 以内的数）的集合&#xff0c…...

编程日记 2025/9/1 20:07:14

#SVA语法滴水穿石# （003）关于 sequence 和 property 的区别和联系

在 SystemVerilog Assertions (SVA) 中，sequence 和 property 是两个核心概念，它们既有区别又紧密相关。对于初学者，可能不需要过多理解；但是要想写出复杂精美的断言，深刻理解两者十分重要。今天，我们汇总和学习一下该知识点。 1. 区别特性sequenceproperty定义描述一系…...

编程日记 2025/9/5 10:36:36

有人DTU使用MQTT协议控制Modbus协议的下位机-含数据库

本文为备忘录，不做太多解释。 DTU型号：G780 服务器：win2018 一。DTU设置正确设置波特率，进入配置状态，获取当前参数，修改参数，设置并保存所有参数。 1.通道1设置 2.Modbus轮询设置二&am…...

编程日记 2025/9/5 0:43:53

Smart Link 技术全面解析

1.1 网络冗余技术的演进与需求 1.2 Smart Link 的核心价值与本文目标第一章 Smart Link 技术概述 2.1 Smart Link 的应用场景与背景 2.2 Smart Link 的基本概念与组网角色 2.3 Smart Link 与传统技术的对比第二章 Smart Link 工作原理 3.1 Smart Link 组的构成与运行机…...

编程日记 2025/9/4 10:55:41

【学Rust写CAD】30 Alpha256结构体补充方法（alpha256.rs）

源码 impl Alpha256 {#[inline]pub fn alpha_mul(&self, x: u32) -> u32 {let mask 0xFF00FF;let src_rb ((x & mask) * self.0) >> 8;let src_ag ((x >> 8) & mask) * self.0;(src_rb & mask) | (src_ag & !mask)} }代码分析功能输…...

编程日记 2025/9/5 12:10:21

提升 Web 性能：使用响应式图片优化体验

在现代 Web 开发中，图片通常占据页面加载的大部分带宽，如何高效管理图片资源直接影响用户体验和性能得分。Google 的 Lighthouse 工具在性能审计中特别强调“使用响应式图片”（Uses Responsive Images），旨在确保图片在…...

编程日记 2025/8/31 11:38:40

基于K8s的演示用单机ML服务部署

这是仅用一台机器（比如一台MacBook）模拟在k8s上部署一个机器学习服务的演示用实例。项目地址：https://github.com/HarmoniaLeo/Local-K8s-ML-Demo 该实例分为以下几个部分： 使用KerasTensorflow搭建并训练神经网络&#xff0c…...

编程日记 2025/9/1 22:40:05

强化中小学人工智能教育：塑造未来社会的科技基石

在数字化浪潮席卷全球的今天，人工智能（AI）已成为推动社会进步与经济发展的核心力量。面对这一不可逆转的趋势，如何培养具备AI素养与创新能力的下一代，成为各国教育改革的重中之重。辽宁省教育厅近日发布的《关于加强中小学人工智能教育的实施方案》，无疑为我国中小学人工…...

编程日记 2025/8/31 2:54:31

音视频基础（视频的主要概念）

文章目录 **1. 视频码率（Bitrate）****概念****分类****码率对比** **2. 视频帧率（Frame Rate, FPS）****概念****常见帧率****帧率 vs. 观感** **3. 视频分辨率（Resolution）****概念****常见分辨率****分辨率…...

编程日记 2025/9/4 19:43:06

JWT与Session的实战选择-杂谈(1)

JWT与Session的实战选择：从原理到踩坑心得作为在金融科技领域经历过多次认证方案迭代的开发者，我想分享一些实战经验。这两种方案适用场景各异，选型需慎重考量。一、本质差异：状态管理方式 Session机制：服务端维护…...

编程日记 2025/9/4 13:03:56

SQL Server安装后 Reporting Services 配置失败

问题现象： 完成 SQL Server 2022 安装后，尝试配置 Reporting Services (SSRS) 时失败，错误提示 “报表服务器数据库配置无效” 或 “无法启动 Reporting Services 服务”（错误代码 0x80070005）。快速诊断检查服务状态…...

编程日记 2025/8/31 11:38:14

操作系统面经（一）

部分参考来自小林coding 线程、进程、协程进程是操作系统分配资源（内存、文件等）的基本单位，每个进程独立运行，互相隔离，稳定性高但开销大；线程是CPU调度的基本单位，属于同一进程的多个线程共…...

编程日记 2025/9/5 14:29:05

Qt 中 findChild和findChildren绑定自定义控件

在 Qt 中，findChild 和 findChildren 是两个非常实用的方法，用于在对象树中查找特定类型的子对象。这两个方法是 QObject 类的成员函数，因此所有继承自 QObject 的类都可以使用它们。当您需要查找并绑定自定义控件时，可以按照以下…...

编程日记 2025/9/4 16:58:23

对模板方法模式的理解

对模板方法模式的理解一、场景1、题目【[来源](https://kamacoder.com/problempage.php?pid1087)】1.1 题目描述1.2 输入描述1.3 输出描述1.4 输入示例1.5 输出示例二、不采用模板方法模式1、代码2、问题三、采用模板方法模式1、代码四、总结一、场景 1、题目【来源】 …...

编程日记 2025/9/5 15:12:22

SpringMVC+Spring+MyBatis知识点

目录一、相关概念 1.关系 2.网页 3.架构 4.URL 5.http 6.https 7.服务器 8.Tomcat 9.Servelet 10.Javaweb作用域对象 11.JSP 二、相关操作 1.RequestDispatcher 2.sendRedirect 3.cookie 4.Session 5.Filter过滤器 6.Listener监听器 7.MVC模型 8.JDBC连接…...

编程日记 2025/9/2 13:27:46

程序化广告行业（58/89）：系统架构与广告反作弊深度剖析

程序化广告行业（58/89）：系统架构与广告反作弊深度剖析大家好！在程序化广告这个充满挑战与机遇的领域，不断学习和探索是保持竞争力的关键。今天，我希望和大家一起学习进步，深入了解程序化广告行…...

编程日记 2025/9/2 17:18:38

一周学会Pandas2 Python数据处理与分析-NumPy简介

锋哥原创的Pandas2 Python数据处理与分析视频教程： 2025版 Pandas2 Python数据处理与分析视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩…...

编程日记 2025/8/31 11:37:41

第二十七章:Python-Aquarel库与多种主题库结合实现Matplotlib美化

资源绑定附上完整资料供读者参考学习！ 一、库介绍与安装 1.1 Aquarel库 Aquarel是一个轻量级的Python库，用于简化Matplotlib的样式配置，使数据可视化更加美观和高效。 1.2 Catppuccin库 Catppuccin是一个社区驱动的粉彩主题库&#xff0…...

编程日记 2025/8/31 11:37:36

leetcode155.最小栈

思路源自【力扣hot100】【LeetCode 155】最小栈为了让检索时间达到o（1），采用空间换时间，维护两个栈，第一个栈实现正常的push、pop、top，另一个栈的栈顶每次都只放以一个栈中最小的元素 class MinStack …...

编程日记 2025/9/5 10:44:11

Mysql 中的 MyISAM 引擎

🧱 什么是 MyISAM？ MyISAM 是 MySQL 早期的默认存储引擎，特点是结构简单、读取速度快，但不支持事务和行级锁。它适合那些读多写少、对事务安全要求不高的场景，比如旧版博客系统、数据仓库等。 📦 MyISA…...

编程日记 2025/9/2 22:22:37

操作系统、虚拟化技术与云原生及云原生AI简述

目录操作系统基础操作系统定义操作系统的组成操作系统的分类 Linux操作系统特性虚拟化技术概述 CPU虚拟化内存虚拟化 I/O虚拟化虚拟化技术虚拟化平台管理工具容器容器与云原生：详细介绍容器的特点什么是云原生？ 云原生的特点容器与云原生的…...

编程日记 2025/9/4 13:16:26

Java EE期末总结（第二章）

目录一、JSP页面里的page指令二、JSP脚本元素 1、全局声明<%!……%> 2、表达式<%……%> 3、脚本程序段<%……%> 三、文件包含指令include 四、引入标签库指令taglib 五、JSP动作标签 1、包含文件动作标签 2、请求转发动作标签 3、JavaBean动作标签 …...

编程日记 2025/8/31 11:37:01

FreeRTOS任务查询和信息统计API

下面例举几个常见的任务查询API（其余可参考FreeRTOS开发手册）： UBaseType_t Priority; Priority uxTaskPriorityGet(QUERYTask_Handler); printf("Task Pri %d \r\n",Priority); TaskStatus_t * TaskStatusArray; UBaseType_t …...

编程日记 2025/9/4 3:10:10

SQLark（百灵连接）：一款面向信创应用开发者的数据库开发和管理工具

SQLark（百灵连接）是一款面向信创应用开发者的数据库开发和管理工具，用于快速查询、创建和管理不同类型的数据库系统。目前可以支持达梦数据库、Oracle 以及 MySQL。 SQL 智能编辑器基于语法语义解析实现代码补全能力，为你提供…...

编程日记 2025/8/30 17:48:20

Linux | 安装超级终端串口软件连接i.MX6ULL开发板(8)

01 它的安装步骤也非常简单，安装语言选择中文简体，点击确定，如下图所示。点击下一步，如下图所示。 02...

编程日记 2025/8/31 11:36:24

Qt 事件系统负载测试：深入理解 Qt 事件处理机制

Qt 事件系统负载测试：深入理解 Qt 事件处理机制文章目录 Qt 事件系统负载测试：深入理解 Qt 事件处理机制摘要引言实现原理1. 自定义事件类型2. 事件队列管理3. 性能指标监控4. 事件发送机制性能监控实现1. 负载计算2. 内存监控3. 延迟计算使用效果优化…...

编程日记 2025/8/31 11:36:13

如何评价Manus？

Manus是由Monica公司发布的全球首款通用型AI Agent产品，定位于一个性能强大的通用型助手，能够独立思考、规划并执行复杂任务，直接交付完整的任务成果。‌‌ Manus 这个名字灵感来源于拉丁格言 “Mens et Manus”（意为“头脑与双手”），寓意它既能动脑也能动手。 Manus的核…...

编程日记 2025/9/1 9:46:07

AI浪潮下的IT职业转型：医药流通行业传统IT顾问的深度思考

AI浪潮下的IT职业转型：医药流通行业传统IT顾问的深度思考一、AI重构IT行业的技术逻辑与实践路径 1.1 医药流通领域的智能办公革命在医药批发企业的日常运营中，传统IT工具正经历颠覆性变革。以订单处理系统为例，某医药集团引入AI智能客服…...

编程日记 2025/9/1 9:46:00

2011-2019年各省地方财政国土资源气象等事务支出决策数数据

2011-2019年各省地方财政国土资源气象等事务支出决策数数据 1、时间：2007-2019年 2、来源：国家统计局、统计年鉴 3、指标：行政区划代码、地区、年份、地方财政国土资源气象等事务支出决策数 4、范围：31省 5、指标说明&#x…...

编程日记 2025/9/1 9:45:51

《微服务概念进阶》精简版

🤟致敬读者 🟩感谢阅读🟦笑口常开🟪生日快乐⬛早点睡觉 📘博主相关 🟧博主信息🟨博客首页🟫专栏推荐🟥活动信息文章目录什么是微服务（进阶精简版&#x…...

编程日记 2025/9/1 9:45:42

免费送源码：Java+SSM+Android Studio 基于Android Studio游戏搜索app的设计与实现计算机毕业设计原创定制

摘要本文旨在探讨基于SSM框架和Android Studio的游戏搜索App的设计与实现。首先，我们详细介绍了SSM框架，这是一种经典的Java Web开发框架，由Spring、SpringMVC和MyBatis三个开源项目整合而成，为开发企业级应用提供了高效、灵活、…...

编程日记 2025/9/1 9:45:34

栈回溯和离线断点

栈回溯和离线断点栈回溯（Stack Backtrace） 栈回溯是一种重建函数调用链的技术，对于分析栈溢出的根本原因非常有价值。实现方式 // 简单的栈回溯实现示例（ARM Cortex-M架构） void stack_backtrace(void) {uint32_…...

编程日记 2025/9/1 9:45:23

探索轻量高性能的 Rust HTTP 服务器框架 —— Hyperlane

探索轻量高性能的 Rust HTTP 服务器框架 —— Hyperlane 随着互联网应用对性能和实时性要求的不断提升，选择一个高效且易于扩展的 HTTP 服务器框架变得尤为重要。今天，我们将介绍一个专为 Rust 开发者设计的框架 —— Hyperlane。该框架不仅支持 HTTP 请…...

编程日记 2025/9/1 9:45:15

第四章表单（3）- 表单验证

在Blazor中，表单的验证可以通过两种方式实现，一种是使用Blazor所提供表单验证特性，另一种是使用ValidationMessageStore进行验证。表单验证的基础使用(内置特性) 一、内置特性表单验证的开启 Blazor中，使用表单组件<EditFo…...

编程日记 2025/9/1 9:45:07

手撕AVL树

引入：为何要有AVL树，二次搜索树有什么不足？ 二叉搜索树有其自身的缺陷，假如往树中插入的元素有序或者接近有序，二叉搜索树就会退化成单支树，时间复杂度会退化成O(N)，因此产生了AVL树&#xff0c…...

编程日记 2025/9/1 9:44:59

Linux驱动开发练习案例

1 开发目标 1.1 架构图操作系统：基于Linux5.10.10源码和STM32MP157开发板，完成tf-a(FSBL)、u-boot(SSBL)、uImage、dtbs的裁剪； 驱动层：为每个外设配置DTS并且单独封装外设驱动模块。其中电压ADC测试，采用linux内核…...

编程日记 2025/9/1 9:44:47

Redis 下载 — Ubuntu22.04稳定版，配置

官方文档 ： https://redis.io/docs/latest/operate/oss_and_stack/install/install-redis/ Nano学习 ： 【Linux环境下最先应该掌握的文本编辑器nano】https://www.bilibili.com/video/BV1p8411z7dJ?vd_source5ce003da2a16f44ea73ec9bbc30389e4 Redis配置…...

编程日记 2025/9/1 9:44:39

有没有可以帮助理解高数的视频或者书籍资料？

高数的学习是一个入门很高，但是一旦入门之后，就会变得比较简单的科目。可是，我们应该怎么入门高数呢？在当年刚开始学习高数的时候，我也有过这样的困惑。但是，后来我发现，我总是可以在经历一…...

编程日记 2025/9/1 9:44:31

了解拦截器

目录什么是拦截器拦截器的基本使用拦截器的使用步骤拦截器路径设置拦截器执行流程一、什么是拦截器拦截器是Spring框架提供的核心功能之一，主要用来拦截用户的请求，在指定方法前后，根据业务需要执行预先设定的代码。开发人员可以…...

编程日记 2025/9/1 9:44:23

Linux / Windows 下 Mamba / Vim / Vmamba 安装教程及安装包索引

目录背景0. 前期环境查询/需求分析1. Linux 平台1.1 Mamba1.2 Vim1.3 Vmamba 2. Windows 平台2.1 Mamba2.1.1 Mamba 12.1.2 Mamba 2- 治标不治本- 终极版- 高算力版 2.2 Vim- 治标不治本- 终极版- 高算力版 2.3 Vmamba- 治标不治本- 终极版- 高算力版 3. Linux / Windows 双平…...

编程日记 2025/9/1 9:44:12