Vue 分页

vue 分页

预览图:
预览
完整代码如下:

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>Vue 分页- 菜鸟教程(runoob.com)</title>
<style>
	ul,li {margin:0;padding:0;list-style: none;display: inline-block;user-select: none;}
	li{font-size: 15px; color: #1890ff;}
	a{display: block;padding: 10px 15px; cursor:pointer;border: 1px solid #1890ff;margin:0 0 0px -1px;}
	li.active a{background:#1890ff;color:#fff;}
	a:hover {background:#e8e8e8;color:#333;}
	a.disable-btn {cursor: not-allowed;}
	
</style>
<script src="https://unpkg.com/vue/dist/vue.js"></script>
</head>
<body>
<div id="app">
	<ul>
		<li v-if="cur == 1"><a class="disable-btn">上一页</a></li>
		<li v-if="cur > 1" @click="cur--"><a>上一页</a></li>
		<li v-for="item in indexs" :key="item" @click="btnClick(item)" :class="{'active': cur == item}"><a>{{item}}</a></li>
		<li v-if="cur != all" @click="cur++"><a>下一页</a></li>
		<li v-if="cur == all"><a class="disable-btn">下一页</a></li>
	</ul>
</div>

<script>
new Vue({
  el: '#app',
  data: {
    all: 10,
	cur: 1
  },
methods: {
	btnClick(item) {
		if(item != this.cur) {
		  this.cur = item;
		}
	
	}
},
computed: {
   indexs() {
     let left = 1;
	 let right = this.all;
	 let arr = [];
	 if(this.all >= 7) {
	     if(this.cur > 4 && this.cur < this.all - 3) {
		    left = this.cur - 3;
			right = this.cur + 3;
		 } else if(this.cur <= 4){
		    left = 1;
			right = 7;
		 } else {
		    left = this.all - 6;
			right = this.all;
		 }
	 }
	  while (left <= right) {
	    arr.push(left);
		left++;
	  }
	   return arr;
   
   }
}
})
</script>
</body>
</html>
  • 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