web开发中的常见概念

本文介绍了B/S(Browser/Server)和C/S(Client/Server)系统的区别,指出B/S系统随着带宽增加成为主流。B/S架构依赖于web应用服务器,如Tomcat,用于发布和管理web资源,包括静态(HTML, CSS)和动态(JSP, Servlet)资源。Web服务器软件如Apache的Tomcat支持JavaEE标准。B/S模式因其便捷性和可扩展性成为发展趋势。

B/S系统和C/S系统

Browser/Server:浏览器 服务器 系统 —网站
Client/Server:客户端 服务器 系统 —QQ、大型游戏

B/S是趋势,因为随着带宽的增大,使一些数据可以云端存取

web应用服务器

供向外部发布web资源的服务器软件
在这里插入图片描述

web资源

存在于web服务器可供外界访问的资源就是web资源
例如:存在于web应用服务器内部的HTML,CSS,JS,图片,视频等
1)静态资源
HTML,CSS
2)动态资源
JSP/Servlet ASP PHP

常用服务器

Tomcat:Apache开源组织下的 开源免费 的中小型的web应用服务器 支持JavaEE中的 servlet和jsp规范

金属表面缺陷检测数据集一、基础信息数据集名称:金属表面缺陷检测数据集 图片数量: 训练集:12,027张图片 验证集:1,146张图片 测试集:572张图片 总计:13,745张工业制造场景中的金属表面图片 分类类别: - 边缘毛刺(EDGEBURR)- 边缘凹痕(EDGEDENT)- 长划痕(LONGSCRATCH)- 点蚀群(PITSCLUSTER)- 点蚀点(PITSDOTS)- 翻边毛刺(ROLLOVERBURR)- 粗糙斑块(ROUGHPATCH)- 短划痕(SHORTSCRATCH)- 表面凹痕(SURFACEDENT)- 表面斑块(SURFACEPATCH) 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:来源于工业制造场景的金属表面图像,格式为JPEG/PNG。二、适用场景工业制造质量检测系统开发: 数据集支持目标检测任务,帮助构建自动识别金属表面缺陷的AI模型,用于生产线上的实时质量检测,提高产品良率。 自动化质量控制流程: 集成至工业自动化系统,实现对金属零部件的自动缺陷检测,减少人工成本,提升检测效率。 学术研究与工业应用创新: 支持计算机视觉在工业检测领域的研究,为智能制造提供数据支撑。 工业检测技术培训: 数据集可用于制造业培训,帮助工程师识别各类金属表面缺陷,提升专业技能。三、数据集优势缺陷覆盖全面: 包含10种金属表面常见缺陷类型,涵盖毛刺、凹痕、划痕、点蚀、斑块等关键工业缺陷特征。 数据规模庞大: 提供超过1.3万张高质量标注图像,确保模型训练的充分性和鲁棒性。 标注精确可靠: 采用YOLO格式的标准边界框标注,定位准确,可直接用于主流深度学习框架的目标检测模型训练。 工业应用价值高: 数据来源于真实工业场景,直接服务
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值