【xposed】hook某淘app的xsign算法

准备工具安卓模拟器:这里使用的是逍遥安卓,也可以使用真机编译器:android studio,visual studio反编译工具:dex2jar、jd-gui抓包工具:fidder要hook的app:某淘apk大致步骤1.安卓模拟器 安装 xposed环境2.用dex2jar反编译某淘apk,使用jd-gui查看反编译后的代码,通过搜索找到需要hook的方法3.使用android studio 编写xposed apk,安装到安卓虚拟机上,并激活4.运行淘宝,并查看
分类: 物联网 发布时间: 06-20 11:14 阅读次数: 0

vue基础之在vue中使用axios

vue中的axios一、分类二、使用get,post,put,patch,delete,以及并发请求三、实例、拦截器、错误处理一、分类get:请求数据post:提交数据put:更新数据(所有的数据都推送到后端)patch:更新数据(只推送更新的数据到后端)delete:删除数据二、使用get,post,put,patch,delete,以及并发请求get //get axios.get(url, { params: {} }).then((res) => { })
分类: 物联网 发布时间: 06-20 11:14 阅读次数: 0

jetpack之lifecycle源码分析

*lifecycle介绍:*lifecycle是jetpack 库中的组件之一,它可以感知所依赖的activity与fragment的生命周期。jetpack 的出现,可以让程序更好的实现mvvm架构模式,而在mvvm 的架构模式中,view 视图层只做与视图相关的操作,业务逻辑不应该写在其中,在android 中继承于fragment与activity的子类通常作为视图层来看待。lifecycle可以将依赖于fragment与activity的生命周期的代码进行分离,使得更好的实现MVVM架构模式,降低
分类: 物联网 发布时间: 06-20 11:14 阅读次数: 0

vue后台管理:增加vuex状态管理和封装axios请求

引入vuex状态管理这里主要是参考了vue-element-admin的项目。先先创建store的文件夹,创建index.js主文件:import Vue from vueimport Vuex from vueximport getters from ./gettersimport user from ./modules/userVue.use(Vuex)const store = new Vuex.Store({ modules: { user },_const actions = { // user login login({ commit }, userinfo) { console.log(c
分类: 物联网 发布时间: 06-20 11:14 阅读次数: 0

百度飞桨世界冠军带你从零实践强化学习第三天(课程白话)

三岁白话强化学习第3天三岁又说胡话啦!!!
分类: 物联网 发布时间: 06-20 10:34 阅读次数: 0

faster RCNN中的anchor generator分析

faster RCNN简介faster rcnn属于两阶段目标检测,所谓两阶段目标检测,指的就是对检测框做两次边框回归,首先使用RPN网络,生成anchor,挑选出positive anchors,并对这些anchor进行第一次回归,再经过nms,得到初步的proposal;在RCNN阶段,对于这些proposal,提取对应区域的feature map,并使用RoiAlign或者RoiPooling等方法,将这些proposal变成统一的大小(否则之后没法接FC等层了),经过各种卷积或者fc操作之后,对
分类: 物联网 发布时间: 06-20 10:34 阅读次数: 0

tensorflow 2剪枝(tensorflow_model_optimization)API

1
分类: 物联网 发布时间: 06-20 10:34 阅读次数: 0

WIN10+YOLOv4,windows上完美执行YOLOv4目标检测

YOLOv4项目实战!!直接上教程!一步一步教你win10下目标检测!
分类: 物联网 发布时间: 06-20 10:34 阅读次数: 0

EfficientNet原理详解:用智能缩放的卷积神经网络获得精度增益

自从Alex net在2012年ImageNet挑战赛中获胜后,卷积神经网络就在计算机视觉领域中无处不在。它们甚至在自然语言处理中也有应用,目前最先进的模型使用卷积运算来保留上下文并提供更好的预测。然而,与其他神经网络一样,设计cnn网络的关键问题之一是模型缩放,例如决定如何增加模型的尺寸,以提供更好的准确性。这是一个冗长的过程,需要手动命中和试验,直到产生一个足够准确的模型,满足资源约束。这个过程耗费资源和时间,并且常常产生精度和效率都不理想的模型。考虑到这一问题,谷歌在2019年发表了一篇论文,对一
分类: 物联网 发布时间: 06-20 10:34 阅读次数: 0

机器学习 --基础入门介绍

行业热词解释机器学习基本术语假如我们有一组天气数据,是来自全世界不同国家和地区的每日天气,内容包括最高温度、最低温度、平均湿度、风速之类的相关数据,例如数据的一部分是这样的: 城市 最高温度 最低温度 相对湿度 某时刻风速 A市 36℃ 28℃ 58.7km/h...
分类: 物联网 发布时间: 06-20 10:34 阅读次数: 0

PR 基础流程

新建工程文件启动Premiere软件,会出现Premiere欢迎界面,可以选择在界面上单击“新建项目”按钮,打开“新建项目”对话框新建一个工程文件;或者选择打开一起保存的工程文件。单击“新建项目”按钮,选择建立新工程文件。在“新建项目”对话框中选择“常规”选项卡,首先设置“视频、“音频”和“采集”选项。在“位置”选项的右侧单击“浏览”按钮,打开“浏览文件夹”对话框,新建或选择存放工程文件的目标文件夹。选择文件夹“任务——基础流程”。在对话框下方的:“名称”文本框中输入所建工程文件的名称“基础流程”项
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

《大话数据结构》之第一、二章

第一章:数据结构绪论程序设计=数据结构+算法数据可以输入到计算机中,并能被计算机程序处理的符号集合(包括数值类型和声音,图像,视频等非数值类型)数据元素(记录)组成数据的,有一定意义的基本单位。可以理解为class的父子类关系,如class Cat/Dog/Duck extends Aniaml;猫,狗,鸭是动物类的数据元素数据项一个元素可以由若干个数据项组成,数据项是不可分割的最小单位。可以理解为,一个子类的成员变量。如下述眼睛,姓名,性别等为数据项class Ca
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

使用gpac封装mp4参考代码移植所遇到的问题

首先非常感谢先行者LiaoJunXiong (参考网页:https://blog.csdn.net/weixin_43549602/article/details/84571906)提供的使用gpac封装mp4的代码以及其他工程师基于此代码进行二次开发时所做的经验和问题的分享! 由于gpac源码过于庞大和复杂,如果完全看明白恐怕至少需要一个月的时间。先行者LiaoJunXiong把复杂问题大大简化了,基于gpac封装了一个简单得多的库,并且无私地提供了源码,使后来者大大受益...
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

【资源共享】Office软件合集

Office是由Microsoft(微软)公司开发的一套基于windows操作系统的办公软件套装。常用组件有word,excel,ppt等。最新版本为Microsoft 365。Office2003(32/64位)链接:https://pan.baidu.com/s/112pFM8eZh3ebEoAPCkGzqw提取码:butpOffice2007(32/64位)链接:https://pan.baidu.com/s/1h3-z1k5M5WW7ArAkkmZdPQ提取码:ycc7Office20
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

RLE压缩解压算法的完整实现

和第四题一样同样是各种东拼西凑的结果,希望对一部分人有帮助。要用的话请至少改一下变量名和函数顺序。在此感谢陈德创大佬的无私帮助以及陈万庆老师提供的音频测试文件看之前请先搞懂RLE算法的原理和部分代码实现RLE算法原理及C语言实现原题:涉及知识点:文件读写、位操作、内存管理、结构体定义、RLW算法、命令行参数要求:编写一个程序,可以在命令行输入参数,完成指定文件的压缩解压命令行参数如下rle file1 –c(-d) file2第一个参数为可执行程序名称,第二个参数为原始文件名,第三个参数_5.rle压缩解压算法 涉及知识点:文件读写、位操作、内存管理、结构体定义、rlw算
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

OpenGL基础26:Assimp库

一、模型文件游戏中有很多复杂的模型往往都是美术通过3D建模工具构建出来的,当然不是程序将顶点写死在代码里的,想想看一个简单的人物模型可能就有上千个顶点,这个时候按之前“生成木箱子”的方法肯定就不可行了从3D模型的设计到最后体现在场景中,整个过程可以分为2个步骤当使用3D建模工具导出模型文件时,建模工具会自己生成所有的顶点坐标、顶点法线和纹理坐标等信息,这些图像技术细节并不需要美工去处理,美工只需要关心如何构建高品质的模型,所有的技术细节内容都隐藏在里导出的模型文件里。而对于图形开发者,就必...
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

LeetCode—两个数组的交集(排序去重对比+官方两种哈希集合)

两个数组的交集(简单)2020年6月19日题目来源:力扣解题排序去重对比看到题目要求,输出结果可以无序,就想到了排序结果又要求唯一,那么就先去重,这里去重我使用了双指针原地去重最后就是对比,使用循环对比数值,这里利用了已经排完序的特点,后面的数肯定会越来越大,那后面的数就不用对比前面对比过的数了class Solution { public int[] intersection(int[] nums1, int[] nums2) { if(nums1==null
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

求数组中最大元素的乘积

来源:力扣(LeetCode)链接:https://leetcode-cn.com/problems/maximum-product-of-two-elements-in-an-array给一个整数数组 nums,请你选择数组的两个不同下标 i 和 j,使 (nums[i]-1)(nums[j]-1) 取得最大值。请计算并返回该式的最大值。输入{1,4,5,2}输出:12解释:12=(4-1)(5-1)输入:{1,5,5,3}输出:1616=(5-1)*(5-1)方法一:用排序算法数组
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

Simulink建立Rayleigh信道——Fading和AWGN模块学习笔记

(以下都是个人学习Simulink建立通信仿真模型时的一些小思考,和大家分享一下)(一)Rayleigh无线信道模块瑞利信道模块(上图右)在Library中是通过SISO Fading Channel(上图左)设置而成的,SISO全称是single input single output,即单输入输出系统。瑞利信道就是没有直射路径信号到达接收端的信道,主要用于描述多径信道和多普勒频移现象,莱斯信道则是通过一条直射路径来传输,莱斯分布也称为广义瑞利分布,信号通过莱斯信道比信号通过瑞利信道所受多径衰弱的影
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0

PC控制台使用-素材管理

1.准备视频视频命名规则:数字编号@中文名称@.mp4,例如:[email protected]素材@.mp4,素材编号不重复,名称的中文也可不写,例如66001002.mp4,注意:1)不要出现纯中文命名 2)数字编号8位数字以内推荐视频格式 .mp4格式、H265编码为保证传输快速稳定,推荐使用有线连接各个设备2.运行PC控制台,选中对应设备,切换到‘素材管理’选项卡,进入video目录 注:服务器带内置硬盘时video路径 /storage/E2CC9FBDCC9F8A85/video; 路.
分类: 物联网 发布时间: 06-20 10:24 阅读次数: 0