(转)ASP.NET 移动控件-RequiredFieldValidator 控件

RequiredFieldValidator 控件验证另一个控件的值不同于其初始值。

在验证方面,该控件的行为与 ASP.NET System.Web.UI.WebControls.RequiredFieldValidator 控件相同。

移动控件语法
必需的属性、默认值和具有代码特征的元素以粗体显示。

<mobile:RequiredFieldValidator
   runat="server"
   id="id"
   Font-Name="fontName"
   Font-Size={ NotSet|Normal|Small|Large }
   Font-Bold={ NotSet|False|True }
   Font-Italic="{NotSet|False|True}"
   ForeColor="foregroundColor"
   BackColor="backgroundColor"
   Alignment="{NotSet|Left|Center|Right}"
   StyleReference="styleReference"
   Wrapping="{NotSet|Wrap|NoWrap}"

   ControlToValidate="IdOfTargetControl"
   Display="{None|Static|Dynamic}"
   ErrorMessage="ErrorTextForSummary"
   InitialValue="initialValueInTheControl">
innerText
</mobile:RequiredFieldValidator>
包容规则
以下控件可以包含 RequiredFieldValidator 控件。

控件 说明 
System.Web.UI.MobileControls.Form 可以包含任意多个 RequiredFieldValidator 控件。 
System.Web.UI.MobileControls.Panel 可以包含任意多个 RequiredFieldValidator 控件。 

RequiredFieldValidator 控件不能包含任何其他控件。

设备模板
无。

特定于设备的行为
当呈现任何验证程序时,其特定于设备的呈现特性与 Label 控件的特定于设备的呈现特性完全相同,但该控件的 StyleReference 属性最初设置为 Error。当这种情况发生时,控件将使用页样式表中的错误样式,如果没有,则使用系统默认样式表。

示例
下面的示例要求用户输入 1 到 23 之间的一个数字。它使用 RangeValidator 和 RequiredFieldValidator 控件。

[Visual Basic]
<%@ Page Inherits=
   "System.Web.UI.MobileControls.MobilePage" Language="VB" %>
<%@ Register TagPrefix="mobile"
    Namespace="System.Web.UI.MobileControls"
    Assembly="System.Web.Mobile" %>

<script language="vb" runat="server">

Protected Sub Submit_OnClick(sender As Object, e As EventArgs)
   If Page.IsValid Then
      ActiveForm = Form2
   End If
End Sub

</script>

<mobile:Form id="Form1" runat="server">
   <mobile:Label runat="server">
      Please enter an integer from 1 through 23
   </mobile:Label>

   <mobile:TextBox id="number" runat="server"/>

   <mobile:RangeValidator ControlToValidate="number"
      Type="Integer"
      MaximumValue="23"
      MinimumValue="1"
      runat="server">
      Invalid number
   </mobile:RangeValidator>

   <mobile:RequiredFieldValidator ControlToValidate="number" 
      runat="server">
      A number is required
   </mobile:RequiredFieldValidator>

   <mobile:Command runat="server" OnClick="Submit_OnClick">
      Submit
   </mobile:Command>

</mobile:Form>

<mobile:Form id="Form2" runat="server">
   <mobile:Label runat="server">Number is submitted</mobile:Label>
</mobile:Form>
[C#]
<%@ Page Inherits=
   "System.Web.UI.MobileControls.MobilePage" Language="C#" %>
<%@ Register TagPrefix="mobile"
    Namespace="System.Web.UI.MobileControls"
    Assembly="System.Web.Mobile" %>

<script language="c#" runat="server">

protected void Submit_OnClick(Object sender, EventArgs e)
{
   if (Page.IsValid)
   {
      ActiveForm = Form2;
   }
}

</script>

<mobile:Form id="Form1" runat="server">
   <mobile:Label runat="server">
      Please enter an integer from 1 through 23
   </mobile:Label>

   <mobile:TextBox id="number" runat="server"/>

   <mobile:RangeValidator ControlToValidate="number"
      Type="Integer"
      MaximumValue="23"
      MinimumValue="1"
      runat="server">
      Invalid number
   </mobile:RangeValidator>

   <mobile:RequiredFieldValidator ControlToValidate="number" 
      runat="server">
      A number is required
   </mobile:RequiredFieldValidator>

   <mobile:Command runat="server" OnClick="Submit_OnClick">
      Submit
   </mobile:Command>

</mobile:Form>

<mobile:Form id="Form2" runat="server">
   <mobile:Label runat="server">Number is submitted</mobile:Label>
</mobile:Form>

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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