sencha touch Container tpl 监听组件插件(2013-9-14)

http://www.cnblogs.com/mlzs/p/3279162.html中的功能插件化

插件代码:

 

 1 /*
 2 *tpl模版加入按钮
 3 *<div class="x-button-normal x-button x-iconalign-center x-layout-box-item x-stretched btn" style="visibility:{visibility}" fire="TasteUp" ><span class="x-button-icon x-shown lower"></span></div>
 4 *fire="tasteUp" 表示添加tasteUp事件和激活dotasteUp方法
 5 *有两个参数cmp:视图本身以及doit
 6 *只要是以上格式的模板都可以被监控到
 7 *其中btn、shareIco为自定义样式,其他都是st自带样式
 8 */
 9 Ext.define('ux.ConTpl', {
10     alias: 'plugin.conTpl',
11     xtype: 'conTpl',
12     config: {
13         cmp: null,
14         //竖向滚动,不显示滚动条
15         scrollable: {
16             direction: 'vertical',
17             directionLock: true,
18             indicators: false
19         },
20         //按下时添加css
21         pressedCls: 'pressing',
22         //监控对象选择器
23         delegate: 'div.x-button'
24     },
25     constructor: function (config) {
26         this.initConfig(config);
27         this.callParent([config]);
28     },
29     //初始化
30     init: function (cmp) {
31         this.setCmp(cmp);
32     },
33     //更新配置
34     updateCmp: function (newCmp, oldCmp) {
35         if (newCmp) {
36             newCmp.element.on({
37                 tap: 'onTap',
38                 touchstart: 'onPress',
39                 touchend: 'onRelease',
40                 delegate: this.getDelegate(),
41                 scope: this
42             });
43             newCmp.setScrollable(this.getScrollable());
44         }
45     },
46     //执行动作
47     onTap: function (e) {
48         var cmp = this.getCmp(),
49         el = e.getTarget(this.getDelegate(), null, true),
50         fire = el.getAttribute('fire'),
51         action = 'do' + fire;
52         cmp.fireAction(fire, [cmp, el], action);
53     },
54     //按钮按下时,添加css
55     onPress: function (e, node) {
56         var el = e.getTarget(this.getDelegate(), null, true);
57         el.addCls(this.getPressedCls());
58     },
59     //松开按钮时,移除css
60     onRelease: function (e, node) {
61         var el = e.getTarget(this.getDelegate(), null, true);
62         el.removeCls(this.getPressedCls());
63     }
64 });

 

 

 使用代码:

Ext.define('app.view.message.Info', {
    alternateClassName: 'messageInfo',
    extend: 'Ext.Container',
    xtype: 'messageInfo',
    requires: ['ux.TplBtn'],
    config: {
        cls: 'info',
        plugins: 'tplBtn',
        tpl: new Ext.XTemplate(
        '<div class="title tl">{Title}</div>',
        '<div class="box sm"><div class="left">时间 {Time}</div><div>发布来源:{Auth}</div></div>',
        '<div class="box"><div class="one"></div><div>',
            '<div class="x-button btn"><span class="x-button-icon shareIco x-icon-mask" fire="showWeibo"></span></div>',
            '<div class="x-button btn"><span class="x-button-icon favorites x-icon-mask"></span></div>',
            '<div class="x-button btn"><span class="x-button-icon commentIco x-icon-mask"></span></div>',
         '</div></div>', 
         '<div class="con">{Summary}</div>')
    },
    //分享到微博
    showWeibo: function (cmp, doit) {
        myUtil.showWeibo({ url: 'http://www.baidu.com', title: this.getData().Title });
    }
});

css略过...

 

效果图:

点击按钮后执行效果:

 

 2013.9.14

  为控件添加点击事件和点击方法

 

转载于:https://www.cnblogs.com/mlzs/p/3281084.html

  • 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)的任务是找出图像中所有感兴趣的目标(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。首先检测图像中目标的位置(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),表示边界框中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)从输入图像中提取特征,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 中进行分类,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中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,选中值最大的框 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) 从未处理的框中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中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