皮皮网

1.U-Net+与FCN的分割区别+医学表现+网络详解+创新
2.asp页面显示mapinfo地图源码
3.redis和memcached的区别
4.基于改进Deeplabv3+的视频人像背景替换系统（源码＆教程）
5.手把手超详细！教你用turtle画一个象棋棋盘附源码

U-Net+与FCN的区别+医学表现+网络详解+创新

       UNet论文: 地址

       UNet源代码: 地址

       UNet和FCN的区别

       UNet相比FCN，结构更加对称，码分解码部分采用合并操作（concatenation）而非FCN的割尺加法操作（summation），FCN的意思解码部分较为简单，仅使用反卷积，分割原生直播app源码UNet在反卷积后通过合并操作补充特征信息，尺源寸提高了分割精度。码分

       UNet在医学图像分割中的割尺表现

       UNet在医学图像分割中表现良好，其原因在于医学图像的意思特点，如高分辨率、分割局部特征明显等。尺源寸UNet的码分编码部分提取局部特征，解码部分通过反卷积与合并操作恢复特征尺寸，割尺提高了分割精度。意思

       UNet网络模型

       UNet由编码路径和解码路径组成。编码路径用于特征提取，降低分辨率以增强模型对小扰动的鲁棒性。解码路径利用编码路径的抽象特征恢复图像尺寸，合并操作补充信息，减少上采样时的信息损失。

       UNet的创新点

       UNet的创新点包括Overlap-tile策略，通过镜像填充预处理图像，使输出尺寸与输入尺寸相同，同时提供上下文信息提高预测精度。数据增强策略，为什么补码加补码会得源码通过随机弹性变形增加数据量。加权损失函数，通过预先计算权重图调整不同像素的损失权重，强化边缘学习。

       UNet的不足与改进

       UNet++作者分析了UNet的不足，并提出了改进方法，包括网络结构的优化和数据增强策略的改进。

       拓展应用

       UNet适用于大尺寸医学图像的分割，通过切块处理，UNet能够提供边缘信息，克服分割区域边缘处理问题。UNet家族的发展包括了UNet++等改进模型，进一步提高了分割性能。

asp页面显示mapinfo地图源码

       ： MapInfo 地图对象

       MapInfo地图对象生成与操作

       MapInfo地图对象与地理实体

       用MapInfo地图对象表示地理实体：依据比例尺和属性数据的需要定义地理实体地图对象。道路可以是线对象或面对象，按属性数据进行分段和分块。

       设计地理实体的Mapinfo表示：首先对区域内所要管理的地理实体依据MapInfo地图对象的要求进行分类，设计分层方案，定义地理实体的属性字段名称、类型、大小等。

       点对象表达的地理实体：各类控制点、测量点、高程点、点位符号、传奇客户端源码泄漏始末居民地（小比例尺）等。

       线对象表达的地理实体：单线河流（有方向）、各类管线、线状符号（如双线道路、铁路、陡坎、围墙、公交线路等）等。

       面对象表达的地理实体：境界（区）、自然或人文分区、城市道路、房屋、双线河流、湖泊等。

       复合线对象：由多个单独的线对象经合并而成，可定义随比例尺变化的的点状符号（块符号）、线状符号，也可表达河系、网络等。

       复合面对象：由多个单独的面对象经合并而成，如群岛、湖泊群等。

       地图对象操作

       单个点对象操作：显示特性（符号类型、大小、颜色、源码时代it培训怎么样立体效果等）的修改、坐标数据的修改（即移动位置）、复制（增加对象）、删除，单个点的缓冲区。

       多个点对象操作：选中多个点对象（不同类型、全选），统一修改显示特性（大小、颜色等），整体移动、复制、删除，多个点的缓冲区（整体、独立缓冲区）。 中国3S吧 3s8.cn

       单个线对象操作：显示特性（线符号类型、颜色、粗细等）的修改，整体复制、移动、删除，增加节点，加入与其它对象的交点，单个节点复制、移动、删除，php小程序问券调查源码多个节点的选择（Ctrl、Shift+鼠标点选节点），多个节点复制、移动、删除，复制单个节点产生点对象，复制多个节点产生线对象，单个线对象的缓冲区，封闭折线的缓冲区，复合线对象（有多个线对象合并而成），线对象的分割、擦除、擦除外部，线对象转换成面对象。

       多个线对象操作：选中多个线对象（不同类型、全选），统一修改显示特性（粗细、颜色等），整体复制、移动、删除，多个线对象的整形节点，选择多个节点的不同之处，多个线对象的合并、缓冲区等。

       单个面对象操作：显示特性（边线符号类型、颜色、粗细，填充类型、前景色、背景色等）的修改，整体复制、移动、删除，增加节点，加入与其它对象的交点，整形节点功能，单个面对象的缓冲区，复合面对象（有多个面对象合并而成），面对象的分割、擦除、擦除外部，面对象转换成线对象。

       多个面对象操作：选中多个面对象（不同类型、全选），统一修改显示特性（边界线、填充颜色等），整体复制、移动、删除，多个面对象的整形节点，选择多个节点的不同之处，多个面对象的合并、分割、擦除、缓冲区等，多个面对象转换成线对象，复合面对象转换成复合线对象，复合面对象转换成多个独立的面对象。 专业的3S站 3s8.cn

       辅助线、辅助面、辅助层：为更好地以地图方式显示对象。道路、等高线间断处的处理（双线河流、桥梁、过桥公路关系的处理）。

       在层间交换数据方法：不同层之间拷贝、移动单个或多个地图对象。

       属性数据结构定义与修改 定义与修改地理实体的属性字段名称、类型、大小等。

       快速增加新层的方法（使用装饰图层、保存装饰层对象）。

       投影变换 使用Save as进行投影变换。

       建立自己的符号库

       点符号库：BMP图象、Windows符号字库、Symbol工具；

       线符号库：使用线型编辑器；

       面符号库：使用区域编辑器；

       MapInfo的专题制图功能（MapInfo的特色之一）

redis和memcached的区别

       Redis的作者Salvatore Sanfilippo曾经对这两种基于内存的数据存储系统进行过比较：

       1、Redis支持服务器端的数据操作：Redis相比Memcached来说，拥有更多的数据结构和并支持更丰富的数据操作，通常在Memcached里，你需要将数据拿到客户端来进行类似的修改再set回去。这大大增加了网络IO的次数和数据体积。在Redis中，这些复杂的操作通常和一般的GET/SET一样高效。所以，如果需要缓存能够支持更复杂的结构和操作，那么Redis会是不错的选择。

       2、内存使用效率对比：使用简单的key-value存储的话，Memcached的内存利用率更高，而如果Redis采用hash结构来做key-value存储，由于其组合式的压缩，其内存利用率会高于Memcached。

       3、性能对比：由于Redis只使用单核，而Memcached可以使用多核，所以平均每一个核上Redis在存储小数据时比Memcached性能更高。而在k以上的数据中，Memcached性能要高于Redis，虽然Redis最近也在存储大数据的性能上进行优化，但是比起Memcached，还是稍有逊色。

       å…·ä½“为什么会出现上面的结论，以下为收集到的资料：

       1、数据类型支持不同

       ä¸ŽMemcached仅支持简单的key-value结构的数据记录不同，Redis支持的数据类型要丰富得多。最为常用的数据类型主要由五种：String、Hash、List、Set和Sorted Set。Redis内部使用一个redisObject对象来表示所有的key和value。redisObject最主要的信息如图所示：

       type代表一个value对象具体是何种数据类型，encoding是不同数据类型在redis内部的存储方式，比如：type=string代表value存储的是一个普通字符串，那么对应的encoding可以是raw或者是int，如果是int则代表实际redis内部是按数值型类存储和表示这个字符串的，当然前提是这个字符串本身可以用数值表示，比如:”″ “”这样的字符串。只有打开了Redis的虚拟内存功能，vm字段字段才会真正的分配内存，该功能默认是关闭状态的。

       1）String

       å¸¸ç”¨å‘½ä»¤ï¼šset/get/decr/incr/mget等；

       åº”用场景：String是最常用的一种数据类型，普通的key/value存储都可以归为此类；

       å®žçŽ°æ–¹å¼ï¼šString在redis内部存储默认就是一个字符串，被redisObject所引用，当遇到incr、decr等操作时会转成数值型进行计算，此时redisObject的encoding字段为int。

       2）Hash

       å¸¸ç”¨å‘½ä»¤ï¼šhget/hset/hgetall等

       åº”用场景：我们要存储一个用户信息对象数据，其中包括用户ID、用户姓名、年龄和生日，通过用户ID我们希望获取该用户的姓名或者年龄或者生日；

       å®žçŽ°æ–¹å¼ï¼šRedis的Hash实际是内部存储的Value为一个HashMap，并提供了直接存取这个Map成员的接口。如图所示，Key是用户ID, value是一个Map。这个Map的key是成员的属性名，value是属性值。这样对数据的修改和存取都可以直接通过其内部Map的Key(Redis里称内部Map的key为field), 也就是通过 key(用户ID) + field(属性标签) 就可以操作对应属性数据。当前HashMap的实现有两种方式：当HashMap的成员比较少时Redis为了节省内存会采用类似一维数组的方式来紧凑存储，而不会采用真正的HashMap结构，这时对应的value的redisObject的encoding为zipmap，当成员数量增大时会自动转成真正的HashMap,此时encoding为ht。

       3）List

       å¸¸ç”¨å‘½ä»¤ï¼šlpush/rpush/lpop/rpop/lrange等；

       åº”用场景：Redis list的应用场景非常多，也是Redis最重要的数据结构之一，比如twitter的关注列表，粉丝列表等都可以用Redis的list结构来实现；

       å®žçŽ°æ–¹å¼ï¼šRedis list的实现为一个双向链表，即可以支持反向查找和遍历，更方便操作，不过带来了部分额外的内存开销，Redis内部的很多实现，包括发送缓冲队列等也都是用的这个数据结构。

       4）Set

       å¸¸ç”¨å‘½ä»¤ï¼šsadd/spop/smembers/sunion等；

       åº”用场景：Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list所不能提供的；

       å®žçŽ°æ–¹å¼ï¼šset 的内部实现是一个 value永远为null的HashMap，实际就是通过计算hash的方式来快速排重的，这也是set能提供判断一个成员是否在集合内的原因。

       5）Sorted Set

       å¸¸ç”¨å‘½ä»¤ï¼šzadd/zrange/zrem/zcard等；

       åº”用场景：Redis sorted set的使用场景与set类似，区别是set不是自动有序的，而sorted set可以通过用户额外提供一个优先级(score)的参数来为成员排序，并且是插入有序的，即自动排序。当你需要一个有序的并且不重复的集合列表，那么可以选择sorted set数据结构，比如twitter 的public timeline可以以发表时间作为score来存储，这样获取时就是自动按时间排好序的。

       å®žçŽ°æ–¹å¼ï¼šRedis sorted set的内部使用HashMap和跳跃表(SkipList)来保证数据的存储和有序，HashMap里放的是成员到score的映射，而跳跃表里存放的是所有的成员，排序依据是HashMap里存的score,使用跳跃表的结构可以获得比较高的查找效率，并且在实现上比较简单。

       2、内存管理机制不同

       åœ¨Redis中，并不是所有的数据都一直存储在内存中的。这是和Memcached相比一个最大的区别。当物理内存用完时，Redis可以将一些很久没用到的value交换到磁盘。Redis只会缓存所有的key的信息，如果Redis发现内存的使用量超过了某一个阀值，将触发swap的操作，Redis根据“swappability = age*log(size_in_memory)”计算出哪些key对应的value需要swap到磁盘。然后再将这些key对应的value持久化到磁盘中，同时在内存中清除。这种特性使得Redis可以保持超过其机器本身内存大小的数据。当然，机器本身的内存必须要能够保持所有的key，毕竟这些数据是不会进行swap操作的。同时由于Redis将内存中的数据swap到磁盘中的时候，提供服务的主线程和进行swap操作的子线程会共享这部分内存，所以如果更新需要swap的数据，Redis将阻塞这个操作，直到子线程完成swap操作后才可以进行修改。当从Redis中读取数据的时候，如果读取的key对应的value不在内存中，那么Redis就需要从swap文件中加载相应数据，然后再返回给请求方。 这里就存在一个I/O线程池的问题。在默认的情况下，Redis会出现阻塞，即完成所有的swap文件加载后才会相应。这种策略在客户端的数量较小，进行批量操作的时候比较合适。但是如果将Redis应用在一个大型的网站应用程序中，这显然是无法满足大并发的情况的。所以Redis运行我们设置I/O线程池的大小，对需要从swap文件中加载相应数据的读取请求进行并发操作，减少阻塞的时间。

       å¯¹äºŽåƒRedis和Memcached这种基于内存的数据库系统来说，内存管理的效率高低是影响系统性能的关键因素。传统C语言中的malloc/free函数是最常用的分配和释放内存的方法，但是这种方法存在着很大的缺陷：首先，对于开发人员来说不匹配的malloc和free容易造成内存泄露；其次频繁调用会造成大量内存碎片无法回收重新利用，降低内存利用率；最后作为系统调用，其系统开销远远大于一般函数调用。所以，为了提高内存的管理效率，高效的内存管理方案都不会直接使用malloc/free调用。Redis和Memcached均使用了自身设计的内存管理机制，但是实现方法存在很大的差异，下面将会对两者的内存管理机制分别进行介绍。

       Memcached默认使用Slab Allocation机制管理内存，其主要思想是按照预先规定的大小，将分配的内存分割成特定长度的块以存储相应长度的key-value数据记录，以完全解决内存碎片问题。Slab Allocation机制只为存储外部数据而设计，也就是说所有的key-value数据都存储在Slab Allocation系统里，而Memcached的其它内存请求则通过普通的malloc/free来申请，因为这些请求的数量和频率决定了它们不会对整个系统的性能造成影响Slab Allocation的原理相当简单。 如图所示，它首先从操作系统申请一大块内存，并将其分割成各种尺寸的块Chunk，并把尺寸相同的块分成组Slab Class。其中，Chunk就是用来存储key-value数据的最小单位。每个Slab Class的大小，可以在Memcached启动的时候通过制定Growth Factor来控制。假定图中Growth Factor的取值为1.，如果第一组Chunk的大小为个字节，第二组Chunk的大小就为个字节，依此类推。

       å½“Memcached接收到客户端发送过来的数据时首先会根据收到数据的大小选择一个最合适的Slab Class，然后通过查询Memcached保存着的该Slab Class内空闲Chunk的列表就可以找到一个可用于存储数据的Chunk。当一条数据库过期或者丢弃时，该记录所占用的Chunk就可以回收，重新添加到空闲列表中。从以上过程我们可以看出Memcached的内存管理制效率高，而且不会造成内存碎片，但是它最大的缺点就是会导致空间浪费。因为每个Chunk都分配了特定长度的内存空间，所以变长数据无法充分利用这些空间。如图 所示，将个字节的数据缓存到个字节的Chunk中，剩余的个字节就浪费掉了。

       Redis的内存管理主要通过源码中zmalloc.h和zmalloc.c两个文件来实现的。Redis为了方便内存的管理，在分配一块内存之后，会将这块内存的大小存入内存块的头部。如图所示，real_ptr是redis调用malloc后返回的指针。redis将内存块的大小size存入头部，size所占据的内存大小是已知的，为size_t类型的长度，然后返回ret_ptr。当需要释放内存的时候，ret_ptr被传给内存管理程序。通过ret_ptr，程序可以很容易的算出real_ptr的值，然后将real_ptr传给free释放内存。

       Redis通过定义一个数组来记录所有的内存分配情况，这个数组的长度为ZMALLOC_MAX_ALLOC_STAT。数组的每一个元素代表当前程序所分配的内存块的个数，且内存块的大小为该元素的下标。在源码中，这个数组为zmalloc_allocations。zmalloc_allocations[]代表已经分配的长度为bytes的内存块的个数。zmalloc.c中有一个静态变量used_memory用来记录当前分配的内存总大小。所以，总的来看，Redis采用的是包装的mallc/free，相较于Memcached的内存管理方法来说，要简单很多。

       3、数据持久化支持

       Redis虽然是基于内存的存储系统，但是它本身是支持内存数据的持久化的，而且提供两种主要的持久化策略：RDB快照和AOF日志。而memcached是不支持数据持久化操作的。

       1）RDB快照

       Redis支持将当前数据的快照存成一个数据文件的持久化机制，即RDB快照。但是一个持续写入的数据库如何生成快照呢？Redis借助了fork命令的copy on write机制。在生成快照时，将当前进程fork出一个子进程，然后在子进程中循环所有的数据，将数据写成为RDB文件。我们可以通过Redis的save指令来配置RDB快照生成的时机，比如配置分钟就生成快照，也可以配置有次写入就生成快照，也可以多个规则一起实施。这些规则的定义就在Redis的配置文件中，你也可以通过Redis的CONFIG SET命令在Redis运行时设置规则，不需要重启Redis。

       Redis的RDB文件不会坏掉，因为其写操作是在一个新进程中进行的，当生成一个新的RDB文件时，Redis生成的子进程会先将数据写到一个临时文件中，然后通过原子性rename系统调用将临时文件重命名为RDB文件，这样在任何时候出现故障，Redis的RDB文件都总是可用的。同时，Redis的RDB文件也是Redis主从同步内部实现中的一环。RDB有他的不足，就是一旦数据库出现问题，那么我们的RDB文件中保存的数据并不是全新的，从上次RDB文件生成到Redis停机这段时间的数据全部丢掉了。在某些业务下，这是可以忍受的。

       2）AOF日志

       AOF日志的全称是append only file，它是一个追加写入的日志文件。与一般数据库的binlog不同的是，AOF文件是可识别的纯文本，它的内容就是一个个的Redis标准命令。只有那些会导致数据发生修改的命令才会追加到AOF文件。每一条修改数据的命令都生成一条日志，AOF文件会越来越大，所以Redis又提供了一个功能，叫做AOF rewrite。其功能就是重新生成一份AOF文件，新的AOF文件中一条记录的操作只会有一次，而不像一份老文件那样，可能记录了对同一个值的多次操作。其生成过程和RDB类似，也是fork一个进程，直接遍历数据，写入新的AOF临时文件。在写入新文件的过程中，所有的写操作日志还是会写到原来老的AOF文件中，同时还会记录在内存缓冲区中。当重完操作完成后，会将所有缓冲区中的日志一次性写入到临时文件中。然后调用原子性的rename命令用新的AOF文件取代老的AOF文件。

       AOF是一个写文件操作，其目的是将操作日志写到磁盘上，所以它也同样会遇到我们上面说的写操作的流程。在Redis中对AOF调用write写入后，通过appendfsync选项来控制调用fsync将其写到磁盘上的时间，下面appendfsync的三个设置项，安全强度逐渐变强。

       appendfsync no 当设置appendfsync为no的时候，Redis不会主动调用fsync去将AOF日志内容同步到磁盘，所以这一切就完全依赖于操作系统的调试了。对大多数Linux操作系统，是每秒进行一次fsync，将缓冲区中的数据写到磁盘上。

       appendfsync everysec 当设置appendfsync为everysec的时候，Redis会默认每隔一秒进行一次fsync调用，将缓冲区中的数据写到磁盘。但是当这一次的fsync调用时长超过1秒时。Redis会采取延迟fsync的策略，再等一秒钟。也就是在两秒后再进行fsync，这一次的fsync就不管会执行多长时间都会进行。这时候由于在fsync时文件描述符会被阻塞，所以当前的写操作就会阻塞。所以结论就是，在绝大多数情况下，Redis会每隔一秒进行一次fsync。在最坏的情况下，两秒钟会进行一次fsync操作。这一操作在大多数数据库系统中被称为group commit，就是组合多次写操作的数据，一次性将日志写到磁盘。

       appednfsync always 当设置appendfsync为always时，每一次写操作都会调用一次fsync，这时数据是最安全的，当然，由于每次都会执行fsync，所以其性能也会受到影响。

       å¯¹äºŽä¸€èˆ¬æ€§çš„业务需求，建议使用RDB的方式进行持久化，原因是RDB的开销并相比AOF日志要低很多，对于那些无法忍数据丢失的应用，建议使用AOF日志。

       4、集群管理的不同

       Memcached是全内存的数据缓冲系统，Redis虽然支持数据的持久化，但是全内存毕竟才是其高性能的本质。作为基于内存的存储系统来说，机器物理内存的大小就是系统能够容纳的最大数据量。如果需要处理的数据量超过了单台机器的物理内存大小，就需要构建分布式集群来扩展存储能力。

       Memcached本身并不支持分布式，因此只能在客户端通过像一致性哈希这样的分布式算法来实现Memcached的分布式存储。下图给出了Memcached的分布式存储实现架构。当客户端向Memcached集群发送数据之前，首先会通过内置的分布式算法计算出该条数据的目标节点，然后数据会直接发送到该节点上存储。但客户端查询数据时，同样要计算出查询数据所在的节点，然后直接向该节点发送查询请求以获取数据。

       ç›¸è¾ƒäºŽMemcached只能采用客户端实现分布式存储，Redis更偏向于在服务器端构建分布式存储。最新版本的Redis已经支持了分布式存储功能。Redis Cluster是一个实现了分布式且允许单点故障的Redis高级版本，它没有中心节点，具有线性可伸缩的功能。下图给出Redis Cluster的分布式存储架构，其中节点与节点之间通过二进制协议进行通信，节点与客户端之间通过ascii协议进行通信。在数据的放置策略上，Redis Cluster将整个key的数值域分成个哈希槽，每个节点上可以存储一个或多个哈希槽，也就是说当前Redis Cluster支持的最大节点数就是。Redis Cluster使用的分布式算法也很简单：crc( key ) % HASH_SLOTS_NUMBER。

       ä¸ºäº†ä¿è¯å•ç‚¹æ•…障下的数据可用性，Redis Cluster引入了Master节点和Slave节点。在Redis Cluster中，每个Master节点都会有对应的两个用于冗余的Slave节点。这样在整个集群中，任意两个节点的宕机都不会导致数据的不可用。当Master节点退出后，集群会自动选择一个Slave节点成为新的Master节点。

基于改进Deeplabv3+的视频人像背景替换系统（源码＆教程）

       视频背景替换技术在图像处理和视频编辑领域具有重要地位，旨在从视频序列中提取前景信息并将其融合到新背景中，以减少制作成本、改善抠图质量并提高图像融合效果。早期方法受限于特定的拍摄环境，交互式绿幕抠图成本高、速度慢，且图像融合算法丢失前景信息严重，导致融合图像失真，人物颜色虚假。针对这些问题，本文提出改进Deeplabv3+算法和改进PoissonEditing算法，联合视频风格迁移算法，实现视频人物背景替换系统。

       改进Deeplabv3+算法采用编码器与解码器并联结构，通过DCNN生成多维度特征，遵循ASPP规则增加感受视野，结合边缘校正通道算法对分割的人体图像进行后处理。改进后的算法前端采用空洞卷积获取浅层低级特征，后端采用vgg-获取深层高级特征信息，输出尺寸为4的通道特征用于图像分割。

       系统整合部分包含完整源码、环境部署视频教程、数据集和自定义UI界面。通过参考博客《基于改进Deeplabv3+的视频人像背景替换系统（源码＆教程）》，实现视频人物背景替换系统的集成与优化。

       参考文献提供相关领域的综述与讨论，涉及深度学习、图像处理、图像分割、图像抠图算法等多个方面，为系统设计提供理论基础与实践经验。

手把手超详细！教你用turtle画一个象棋棋盘附源码

       本文教你使用turtle库画出中国象棋棋盘并提供源代码，助你掌握画图技能。

       一、简介

       通过turtle绘制象棋棋盘示意图。

       二、确定尺寸

       设定棋盘尺寸，确保绘图比例合适。

       三、初始化

       初始化棋盘尺寸数据，为绘制做准备。

       四、定义自定义函数

       创建一个函数简化坐标操作，方便后续绘制。

       五、画两个外边框

       使用turtle库绘制棋盘的外部边界。

       六、画棋盘主体

       设计思路，逐步绘制棋盘内部。

       七、画将帅老窝斜线

       根据路径绘制棋盘上的特殊斜线。

       八、绘制楚河汉界

       添加棋盘分割线，增加细节。

       九、完整源代码

       提供Python代码，详细注释，助你快速上手。

       此过程充满挑战，耗时较长，但通过实践可显著提升Python与turtle技能。

       若有关于棋盘绘制的疑问，请直接留言。如有帮助，不妨点赞与转发。感谢你的参与！

       关注Python入门速学，一同深入学习Python。