细粒度分类

当前，深度学习技术在图像识别和分类任务中广泛应用，特别是在细粒度车辆分类领域。该领域的目标是准确区分车辆的细微差异，如车型、年份和颜色，对自动驾驶、智能交通管理和安全监控具有重要意义。系统评估了多种用于细粒度车辆分类的深度学习架构，包括VGG、ResNet、Inception和DenseNet等经典模型。这些模型通过卷积和池化操作提取图像特征，并通过全连接层进行有效分类。此外，还讨论了一些针对细粒度分类的改进模型，如Fine-Grained Visual Classification（FGVC）模型，以及在数据预处理和训练策略上的最新进展。评估指标涵盖准确率、精确率、召回率和F1分数，以及模型轻量化和部署优化的重要性。

Matlab代码库重新实现了ICCV 2013年论文中的细粒度分类方法。该方法主要通过将前景划分为子区域，并从对齐的前景段中提取特征来实现。详细的代码结构和运行说明包含在代码结构说明文件夹中，用户需依次执行 step1_trainEncoder.m; step2_encoding.m; step3_libsvm_kernel.m; step4_libsvm_aggre.m; step5_libsvm_traintest.m。这些脚本需要并行处理所有图像数据集。除了基于Bag-of-Words特征的基线方法外，还包含了个人实验文件夹，如latent SVM文件夹，用户可按需忽略。

代码克隆是一个显著的挑战。为了解决代码克隆检测的问题，我们正在开发一种能够识别词法和句法特征的方法。我们将输入类似的代码，以验证句法和词法匹配的准确性。

这是Keras + Tensorflow重新实现的方法，用于改进BoxCars中描述的车辆细粒度分类，采用交通监控中的3D边界框。数值结果略有不同但相似。此代码仅用于研究目的。

封锁粒度是指封锁对象的大小范围。 封锁对象可以涵盖整个数据库，也可以细化到某个属性值。 例如，可以对整个数据库进行封锁，也可以对特定属性值进行封锁。 封锁对象的大小被称为封锁粒度。 多粒度封锁允许系统同时支持多种封锁粒度，从而为不同的事务提供灵活的选择。

数据库锁机制用于管理对共享资源的并发访问，MySQL 提供了不同粒度的锁来平衡性能和并发性。 ### 锁的粒度 锁的粒度定义了锁作用于数据对象的范围。MySQL 主要实现两种粒度的锁： 服务器级锁 (Server-Level Locking): 作用于整个数据库服务器实例，粒度最大，并发性最低。 存储引擎级锁 (Storage-Engine-Level Locking): 由存储引擎实现，粒度更细，允许更高的并发性。 ### MySQL 存储引擎与锁实现 不同存储引擎支持的锁粒度不同： MyISAM: 仅支持表级锁，对整张表加锁，操作简单但并发性较低。 InnoDB: 支持表级锁和行级锁，允许更细粒度的并发控制，提高了并发性能。 ### 总结 选择合适的锁粒度对于数据库性能至关重要。MyISAM 适合读密集型应用，而 InnoDB 则更适合写密集型应用，因为它提供了更高的并发性。

SQL Server 采用多粒度锁定机制，允许事务锁定不同类型的资源，包括行、页、表和数据库。锁定粒度指的是锁定的级别。 细粒度锁定（如行级锁定）能提升并发性，但会带来更高的开销，因为锁定多行数据意味着持有更多锁。 粗粒度锁定（如表级锁定）开销较低，只需维护较少锁，但会降低并发性，因为锁定整个表会阻止其他事务访问该表的任何部分。

Oracle数据库的多粒度锁机制确保并发用户访问同一数据库对象时数据的完整性，包括以下两种基本锁类型： 排他锁（X锁）：授予事务独占访问权，阻止其他事务获得任何类型的锁，直到释放。通常用于修改数据前。 共享锁（S锁）：允许多个事务同时读取数据，阻止其他事务获得排他锁，直到释放。通常用于读取数据前。

多粒度封锁（续）例：三级粒度树。根结点为数据库，数据库的子结点为关系，关系的子结点为元组。数据库关系Rn关系R1元组元组……

多粒度封锁协议允许对树结构中的每个节点进行独立加锁。对某一节点加锁将影响其所有子节点，这种封锁方式包括显式和隐式两种类型。