《大话设计模式--单例模式》笔记

1、单例模式(Singleton),保证一个类仅有一个实例,并提供一个访问它的全局访问点。

2、通常我们可以让一个全局变量使得一个对象被访问,但它不能防止你实例化多个对象。一个最好的办法就是,让类自身负责保存它的唯一实例。这个类可以保证没有其他实例被创建,并且它可以提供一个方法访问该实例。

3、单例模式结构图
在这里插入图片描述
4、简单代码实现
Singleton类,定义一个getinstance操作,允许客户访问它的唯一实例,getinstance是一个静态方法,主要负责创建自己的唯一实例。

public class Singleton {

	private static Singleton single;
	
	private Singleton() {
		// TODO Auto-generated constructor stub
	}
	
	public static Singleton getInstance() {
		if(single==null) {
			single=new Singleton();
		}
		
		return single;
	}
}

客户端代码

public class Client {
	
	
	public static void main(String[] args) {
		Singleton s1=Singleton.getInstance();
		Singleton s2=Singleton.getInstance();
		
		if(s1==s2) {
			System.out.println("是同一个实例");
		}
	}

}

5、单例模式因为Singleton类封装它的唯一实例,这样可以严格的控制客户怎样访问它以及何时访问。简单来说就是对唯一实例的受控访问。

6、多线程时的单例

public class MultithreadingSingleton {
	
	private static MultithreadingSingleton instance;
	
	private static final Object syncRoot=new Object();
	
	private MultithreadingSingleton() {
		// TODO Auto-generated constructor stub
	}
	
	public MultithreadingSingleton getInstance() {
		synchronized (syncRoot) {
			if(instance==null) {
				instance=new MultithreadingSingleton();
			}
			return instance;
			
		}
	}

}

每次调用getInstance都需要加锁,影响性能。

7、双重锁定

public class DoubleLockSingleton {
         private static DoubleLockSingleton instance;
	
	    private static final Object syncRoot=new Object();
	    

		private DoubleLockSingleton() {
			// TODO Auto-generated constructor stub
		}
		
		//Double-Check——Locking 双重锁定
		public DoubleLockSingleton getInstance() {
			if(instance==null) {
				synchronized (syncRoot) {
					if(instance==null) {
						instance=new DoubleLockSingleton();
					}
				}
			}
			
			return instance;
		}
		
}

判断两次是因为第一个判断可能前后通过不止一根线程,内部加锁能够保证只创建一个实例。

8、静态初始化单例模式

//防止派生时产生实例
public final class StaticSingleton {
	
	private static final StaticSingleton instance=new StaticSingleton();
	
	private StaticSingleton() {
		// TODO Auto-generated constructor stub
	}
	
	public static StaticSingleton getInstance() {
		return instance;
	}

}

9.1、静态初始化的方式是在自己被加载时就将自己实例化,成为饿汉式单例。
9.2、前面在需要引用时才进行初始化成为懒汉式单例模式。

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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