如何自动加密我的c#.net应用程序配置文件而不干扰应用程序的正常操作?(How to automate the encryption of my c#.net application configuration file without interfering with the normal operations of the application?)
在不干扰应用程序正常运行的情况下,自动加密c#.net应用程序配置文件的最佳方法是什么?
What is the best way to automate the encryption of my c#.net application configuration file without interfering with the normal operations of the application?
原文:https://stackoverflow.com/questions/502001
最满意答案
您可以使用foolowing链接中的代码来计算召回与精确度曲线: http ://www.robots.ox.ac.uk/~vgg/research/affine/desc_evaluation.html#code
为了绘制它们,您需要检测数据集中每个图像中的关键点和提取描述符。 接下来,按以下格式为每个图像编写描述符:
descriptor_size
nbr_of_regions
x1 y1 a1 b1 c1 d1 d2 d3 ......
x2 y2 a2 b2 c2 d1 d2 d3 ......
....
x,y - 中心坐标
a,b,c - 椭圆参数ax ^ 2 + 2bxy + cy ^ 2 = 1
d1 d2 d3 ... - 描述符值,ORB和LATCH情况下的二进制值
You can use the code in the foolowing link to compute recall vs. precision curves: http://www.robots.ox.ac.uk/~vgg/research/affine/desc_evaluation.html#code
In order to plot them, you need to detect keypoint and extract descriptors in each image in the dataset. Next, you write the descriptors for each image in the following format:
descriptor_size
nbr_of_regions
x1 y1 a1 b1 c1 d1 d2 d3 ...
x2 y2 a2 b2 c2 d1 d2 d3 ... ....
....
x, y - center coordinates
a, b, c - ellipse parameters ax^2+2bxy+cy^2=1
d1 d2 d3 ... - descriptor values, binary values in case of ORB and LATCH
相关问答
更多-
找到答案。 这确实是一个类型问题。 返回的描述符矩阵的类型不像我想的那样是uchar,它实际上是float。 获得价值 (float)descriptors.at
(i, 0); 给我正确的价值。 有趣的是,我可以发誓,我之前尝试过它,并没有奏效。 我一定只尝试过int,double和unsigned int。 Found the answer. It was indeed a type problem. The type of descriptor matrix returned by is ... -
特征检测 在计算机视觉和图像处理中,特征检测的概念是指旨在计算图像信息的抽象和在每个图像点进行局部决策的方法,是否在该点存在给定类型的图像特征。 所得到的特征将是图像域的子集,通常以孤立点,连续曲线或连接区域的形式。 特征检测=如何在图像中找到一些有趣的点(特征)(例如:找到一个角落,找到一个模板等) 特征提取 在图案识别和图像处理中,特征提取是维度降低的一种特殊形式。 当算法的输入数据太大而不能被处理,并且怀疑它是众所周知的冗余(很多数据,但不是很多信息)时,输入数据将被转换成缩小的特征集合(也称为特征向 ...
-
您要完成的任务基本上称为机器学习/分类。 考虑到数据库的大小,直接比较实际上是没有希望的。 以防您不了解术语。 您拥有的数据库称为学习数据集 。 您需要使用机器学习算法,如SVM(支持向量机),K-NN(K-最近邻居),神经网络等来学习模型 。 该模型后来用于预测新的实例的结果,即。 要与数据库进行比较的向量。 我强烈建议使用SVM,因为它是机器学习文献中最先进的分类器。 它的实现称为“SVM光”。 http://svmlight.joachims.org/ 。 也可以使用SVM-light进行排名。 请看 ...
-
比较特征描述符测试?(Comparing feature descriptor test?)[2023-03-18]
您可以使用foolowing链接中的代码来计算召回与精确度曲线: http ://www.robots.ox.ac.uk/~vgg/research/affine/desc_evaluation.html#code 为了绘制它们,您需要检测数据集中每个图像中的关键点和提取描述符。 接下来,按以下格式为每个图像编写描述符: descriptor_size nbr_of_regions x1 y1 a1 b1 c1 d1 d2 d3 ...... x2 y2 a2 b2 c2 d1 d2 d3 ...... . ... -
与大多数计算机视觉算法一样, Google Scholar是您的朋友:)我建议您阅读一些有关其工作原理的论文。 以下是HoG最常被引用的论文之一。 研究计算机视觉的另一个技巧是要注意你发现有趣的论文的作者,并试图找到他们的网站。 他们倾向于实现他们的算法以及如何使用它们的经验法则。 另外,查看文章中关于算法的参考文献。 这对于获取背景知识以真正理解算法的工作原理和原因非常有用。 As with most computer vision algorithms, Google Scholar is your f ...
-
在哪里可以找到USB的“Microsoft OS描述符”列表?(Where can i find a list of “Microsoft OS Descriptors” for USB?)[2023-03-14]
希望您可能会觉得这很有用: 扩展Compat ID OS特征描述符规范的附录1 Hopefully you might find this useful: Appendix 1 of Extended Compat ID OS Feature Descriptor Specification -
您可以考虑将您的SIFT描述符聚合成视觉词袋(BoV)或局部聚合描述符矢量(VLAD)。 基本上: 1 - 用例如K均值计算码本(K SIFT描述符) 2 - 对于每个图像,提取SIFT描述符,然后在码本中查找每个图像的最近邻居。 因此,根据码本计算图像的SIFT的直方图。 这是最简单的方法(硬编码,Sum pooling),但存在替代方案(并且经常为计算机视觉问题提供更好的结果) 因此,每个图像用大小为K的唯一向量(直方图)表示。 然后,您可以简单地计算图像之间的距离,作为这些直方图之间的(例如欧几里德) ...
-
您可以通过从类的__dict__映射中检索原始对象来完全绕过描述符协议: A.__dict__['my_attr'].decorate 或清洁,使用vars() : vars(A)['my_attr'].decorate 但是, @ decorator语法不允许订阅(您只能获得具有属性访问权限的简单表达式以及最后一次调用),因此您必须首先提取字典: _A_my_attr = vars(A)['my_attr'] @_A_my_attr.decorate def foo(self): # ... ...
-
我可以测试文件描述符是否为read()的正确类型?(Can I test if a file descriptor is of the right type for read()?)[2021-08-29]
不。您自己引用了规范的相关部分。 实际上,由于各种原因,读取可能随时失败。 测试“将读取成功”,然后read ,仅引入竞争条件 - 两次调用之间的情况可能会发生变化。 您需要以适当处理失败读取的方式编写应用程序。 如果这样做,您通常不需要事先关心测试,只需使用select来确定数据何时(可能)可用。 No. You quoted the relevant part of the specification yourself. Indeed, a read may fail at any time for a ... -
使用当前的__get__ , Test.x会导致AttributeError因为当使用类访问描述符的代码时, instance会传递None ; (=> getattr(None, 'x') => None.x ) 你应该修改__get__来处理这种情况: >>> class TestProperty(object): ... def __init__(self, name): ... self._name = name ... def __get__(self, insta ...