fps測試手機的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

深入剖析Android新特性

為了解決fps測試手機的問題，作者強波 這樣論述：

本書對最近幾個版本（5.0~8.0）的主要新增功能進行整理和解析，本書的重點不僅僅是講解這些新增功能特性的外部行為，而是在結合AOSP的源碼基礎上，解析這些功能特性的內部實現。任何已有的功能都是固定的，隨著行業的發展，Android系統在未來可能加入的功能是不確定的，只有掌握了閱讀和分析AOSP源碼的能力，才能應對不確定的變化，並具備今後能夠自行研究Android系統的能力。 強波，江蘇南京人，現居住在浙江杭州。就職于阿里巴巴集團-OS事業部-核心系統部門。在阿里，我的花名叫做」未悔「，花名取自《離騷》：」亦余心之所善兮，雖九死其尤未悔「。多年智能操作系統開發經驗，熱愛鑽研技

術，也熱愛分享技術。現在負責AliOS運行時環境的研究與開發，參與過手機、汽車、平板、TV等多種智能設備的研發工作。 第１章 預備知識 1 1.1 Android系統架構 1 1.2 關於AOSP 3 1.3 理解Android Binder機制 3 1.3.1 Binder機制簡介 3 1.3.2 整體架構 4 1.3.3 驅動層 7 1.3.4 Binder Framework C++部分 26 1.3.5 Binder Framework Java部分 54 1.3.6 參考資料與推薦讀物 70 第2章 Android系統中的進程管理 72 2.1 關於進程 72 2

.2 系統進程與應用進程 73 2.2.1 init進程與init語言 75 2.2.2 Zygote進程 81 2.2.3 system_server進程 84 2.3 應用進程的創建 87 2.3.1 關於應用組件 87 2.3.2 進程與執行緒 88 2.3.3 ActivityManagerService 89 2.3.4 Activity與進程創建 92 2.3.5 Service與進程創建 94 2.3.6 ContentProvider與進程創建 96 2.3.7 BroadcastReceiver與進程創建 97 2.3.8 參考資料與推薦讀物 99 2.4 進程的優先順序管理

100 2.4.1 優先順序的依據 100 2.4.2 優先順序的基礎 102 2.4.3 優先順序的更新 105 2.4.4 優先順序的演算法 108 2.4.5 優先順序的生效 119 2.4.6 結束語 119 2.4.7 參考資料與推薦讀物 120 2.5 進程與記憶體的回收 120 2.5.1 開發者API 121 2.5.2 虛擬機器的垃圾回收 122 2.5.3 開發者的記憶體回收 122 2.5.4 Linux OOM Killer 123 2.5.5 LowMemoryKiller 125 2.5.6 進程的死亡處理 126 2.5.7 參考資料與推薦讀物 127 2.6

結束語 127 第3章 Android系統上的虛擬機器 129 3.1 Java語言與Java虛擬機器 130 3.1.1 Java語言 130 3.1.2 Java虛擬機器 130 3.1.3 Java虛擬機器實現架構 130 3.1.4 類載入器（Class loader） 132 3.1.5 垃圾回收 132 3.1.6 結束語 135 3.1.7 參考資料與推薦讀物 135 3.2 Dalvik虛擬機器 135 3.2.1 Stack-based VS. Register-based 136 3.2.2 Dalvik Executable(dex)文件 137 3.2.3 Dalvi

k指令 139 3.2.4 Dalvik啟動過程 144 3.2.5 程式的執行：解釋與編譯 153 3.2.6 Dalvik上的垃圾回收 156 3.2.7 參考資料與推薦讀物 159 3.3 Android Runtime（ART） 159 3.3.1 ART VS.Dalvik 159 3.3.2 OAT檔案格式 162 3.3.3 boot.oat與boot.art 165 3.3.4 Dalvik到ART的切換 166 3.3.5 ART虛擬機器的啟動過程 169 3.3.6 記憶體分配 173 3.3.7 垃圾回收 178 3.3.8 JIT的回歸 182 3.3.9 ART虛擬機

器的演進與配置 185 3.3.10 參考資料與推薦讀物 186 第4章 使用者介面改進 187 4.1 多視窗功能 187 4.1.1 概述 188 4.1.2 開發者相關 189 4.1.3 內部實現 191 4.1.4 參考資料與推薦讀物 205 4.2 App Shortcuts 206 4.2.1 開發者API 206 4.2.2 內部實現 209 第5章 系統介面改進 215 5.1 SystemUI整體介紹 215 5.1.1 SystemUI簡介 215 5.1.2 SystemUI的初始化 216 5.1.3 System Bar的初始化 221 5.1.4 參考資料與推

薦讀物 224 5.2 System Bar 224 5.3 Notification 234 5.3.1 開發者API 234 5.3.2 通知欄與通知窗口 240 5.3.3 Notification從發送到顯示 243 5.4 Quick Settings 256 5.4.1 開發者API 256 5.4.2 系統實現 260 5.4.3 參考資料與推薦讀物 265 第6章 功耗的改進 266 6.1 Project Volta 266 6.1.1 JobScheduler API 267 6.1.2 電量消耗分析工具 277 6.1.3 在虛擬機器層面減少電池消耗 279 6.1.4

省電模式 280 6.1.5 結束語 281 6.1.6 參考資料與推薦讀物 281 6.2 Doze模式與App StandBy 282 6.2.1 概述 282 6.2.2 瞭解Doze模式 282 6.2.3 瞭解App StandBy 284 6.2.4 對其他用例的支持 284 6.2.5 在Doze模式和App StandBy下進行測試 285 6.2.6 Doze模式的實現 287 6.2.7 App StandBy的實現 293 6.2.8 參考資料與推薦讀物 297 6.3 Android 8.0上的後臺限制 297 6.3.1 概覽 298 6.3.2 後臺服務限制 29

9 6.3.3 廣播限制 300 6.3.4 系統實現 301 6.3.5 結束語 308 第7章 面向設備管理的改進 310 7.1 多用戶的支援 310 7.1.1 術語 311 7.1.2 支援多用戶 312 7.1.3 多用戶的實現 313 7.1.4 參考資料與推薦讀物 333 7.2 設備管理 334 7.2.1 Device Administration API介紹 334 7.2.2 開發設備管理程式 335 7.3 面向企業環境的Android 339 7.3.1 企業環境解決方案 340 7.3.2 受管理資料（Managed Profiles） 340 7.3.3 受管

理資料的內部實現 342 7.3.4 參考資料與推薦讀物 349 第8章 Android系統安全改進 350 8.1 Android系統安全概覽 350 8.2 運行時許可權 351 8.2.1 功能介紹 351 8.2.2 新增API 354 8.2.3 參考資料與推薦讀物 370 第9章 圖形系統改進 371 9.1 整體架構 371 9.1.1 Android圖形元件 371 9.1.2 組件 373 9.1.3 Android如何繪製視圖 374 9.1.4 關於硬體加速 376 9.1.5 參考資料與推薦讀物 377 9.2 圖形系統元件 377 9.2.1 Activity與S

urface 377 9.2.2 Gralloc 379 9.2.3 BufferQueue 382 9.2.4 Surface 384 9.2.5 參考資料與推薦讀物 388 9.3 Project Butter 388 9.3.1 FPS 389 9.3.2 VSYNC 391 9.3.3 Choreographer與VSYNC 392 9.3.4 Triple Buffer 398 9.3.5 參考資料與推薦讀物 400 9.4 SurfaceFlinger 400 9.4.1 SurfaceFlinger 介紹 401 9.4.2 Hardware Composer 402 9.4.3

SurfaceFlinger的啟動 403 9.4.4 SurfaceFlinger的對外介面 405 9.4.5 VSYNC的傳遞 407 9.4.6 SurfaceFlinger的事件 409 9.4.7 圖層的合成 411 9.4.8 刷新 412 9.4.9 參考資料與推薦讀物 413 9.5 Vulkan簡介 414 9.5.1 Vulkan組件 414 9.5.2 修改的組件 415 9.5.3 Vulkan API 415 9.5.4 參考資料與推薦讀物 415 第１0章 系統架構改進 416 10.1 Project Treble整體介紹 417 10.2 HIDL 420

10.2.1 語法介紹 421 10.2.2 HIDL 與 Binder 422 10.3 ConfigStore HAL 423 10.3.1 概述 423 10.3.2 內部實現 424 10.4 Vendor Native Development Kit 426 10.5 Vendor Interface Object 427 10.5.1 概述 427 10.5.2 Manifest 429 10.5.3 內部實現 429

fps測試手機進入發燒排行的影片

基於YOLO深度學習網路之駕駛不專心行為偵測技術與嵌入式軟體實現

為了解決fps測試手機的問題，作者潘彥碩 這樣論述：

本篇論文主要是利用與影像處理相關的深度學習之物件偵測演算法，藉由資料集的彙整並對資料集內部重新進行物件類別定義，以實現駕駛不專心行為偵測技術，並將此技術應用於電腦或嵌入式AI運算裝置上。本論文的物件偵測演算法在取像方式上共分為兩種類型，首先，第一種類型是透過設置Webcam於儀表板上，同時對駕駛人進行行為偵測，主要偵測的物件包括正常駕駛、轉頭分心、瞌睡閉眼、吃東西、講電話等。第二種類型是透過在汽車車頂內部的中央位置設置魚眼鏡頭攝影機，對車內的物件進行偵測，主要的物件包括正常駕駛、寵物狗、乘客、駕駛分心行為等。 為了增強各類別的訓練成效，在訓練的過程中使用了隨機調整飽和度、曝光度、色調與隨機

縮放影像大小等參數來加強模型的辨識效果。而在模型架構方面採用了darknet深度學習網路架構，並以YOLOv3-tiny、YOLOv3-tiny-3l、YOLO-fastest、YOLO-fastest-xl以及YOLO-fastest的多尺度模型作為架構，然後以RGB三通道作為影像的輸入形式，經過大量地卷積層與池化層運算來萃取特徵，最後，對特徵圖進行計算，推論出最終的標註框與預測的類別。 實驗結果顯示，在設置相同參數的情況下， Webcam多類別自定義資料集以YOLO-fastest-xl的performance最好，其F1-Score、FNR以及mAP分別為91.84%、6.94%、95

.81%。而經過參數調整後的YOLO-fastest-one scale，在維持低運算量的原則下，其F1-Score、FNR以及mAP分別為91.14%、9.64%、95.17%。另一個部分，魚眼影像之多類別自定義資料集，同樣在參數設置皆相同的情況下，以YOLO-fastest-three scale在F1-Score和mAP的表現最好，分別為95.89%以及97.16%，而FNR的部分則是YOLO-fastest-xl的2.63%最佳。後續我們以維持運算量的方式調整模型參數，使YOLO-fastest-one scale的F1-Score與mAP分別提升到了96.04%以及98.02%，FN

R則下降到1.84%。