Mybatis 关联查询

首先看一下数据库表

t_user中powId所对应的是t_power表中的id

所以在进行关联查询是

public class User 
{
	private Integer id;				// id
	private String account;			// 用户名
	private String password;		// 密码
	private String nickname;		// 昵称
	private String telephone;		// 电话号码
	private Power  power;			// 权限
//省略set get方法
}

将power对象加入User实体中,并在powerDao中添加findByIdf方法,在userMapper 中

<resultMap type="User" id="UserResult">
		<result property="id" column="id" />
		<result property="account" column="account" />
		<result property="password" column="password" />
		<result property="nickname" column="nickname" />
		<result property="telephone" column="telephone" />
		<association property="power" column="powerId" select="com.ttms.dao.PowerDao.findById"></association>
	</resultMap>

进行添加时的SQL语句

<insert id="add" parameterType="User">
		insert into t_user values (null,#{account},#{password},#{nickname},#{telephone},#{power.id})
	</insert>

进行查询是的SQL语句

<select id="find" parameterType="Map" resultMap="UserResult">
		select * from t_user
		<if test="start!=null and size!=null">
		limit #{start},#{size}
		</if>
	</select>

在easyUI中进行获取时

<th field="cb" checkbox="true" align="center"></th>
				<th field="id" width="50" align="center">编号</th>
				<th field="account" width="100" align="center">用户名</th>
				<th field="password" width="150" align="center">密码</th>
				<th field="nickname" width="150" align="center">昵称</th>
				<th field="telephone" width="150" align="center">联系电话</th>
				<th field="power.name" width="150" align="center" formatter="formatTypeName">权限名称</th>
function formatTypeName(val,row)
	{
		return row.power.name;
	}



  • 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,即定位图像中目标的位置并识别目标的类别。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