[Automation]Force word.exe process to quit by using VC++

Sometimes, Word.exe process Still Runs After Automation Session ,  it will be still avaliable in Task Mananger.

refer to : http://support.microsoft.com/kb/212675

We have to invoke wordApp.quit to quit the whole application.

The following method is from google search, using VC++ to get the existed WORD.EXE instance, to kill it used by the automation method. Of course, whereelse, you can get the WORD.EXE process directly, and call TerminateProcess.

AfxOleInit(); // it is very neccessary here. or ::CoInitialize(NULL)/CoUninitialize
CLSID   clsid;   
HRESULT   hr;   
hr
= ::CLSIDFromProgID(L " Word.Application " ,    & clsid);  // get the CLSID through ProgID
if (FAILED(hr))   
{   
  AfxMessageBox(_T(
"NO   OFFICE   INSTALLED!"));   
  
return;   
}
   
    
IUnknown   
* pUnknown = NULL;   
IDispatch   
* pDispatch = NULL;   
_Application   app
= NULL;   
    
hr
= ::GetActiveObject(clsid,NULL, & pUnknown);  // check whether the instance has existed 
if (FAILED(hr))   
{   
  
//AfxMessageBox(_T("No   running   WORD!"));   
  return;   
}
   
    
try    
{   
  hr
=pUnknown->QueryInterface(IID_IDispatch,   (LPVOID   *)&app);   
  
if(FAILED(hr))   
  
throw(_T("Failed   to   get   IDispatchPtr"));   
    
  pUnknown
->Release();   
  pUnknown
=NULL;   
}
   
catch (LPCTSTR   lpErr)   
{   
  AfxMessageBox(lpErr);   
}
   
    
if (pUnknown)   
  pUnknown
-> Release();   
    
CComVariant   SaveChanges(
false );  //    hint   save   or   not   
CComVariant   OriginalFormat,   RouteDocument;   
app.Quit(
& SaveChanges,    & OriginalFormat,    & RouteDocument);   
app.ReleaseDispatch();   
}  

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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