iso weibo sdk

1.首先去 open.weibo.com 下载新浪官方SDK。

2.然后把SDK导入到你的项目中:


3.在.h文件中包含SDK的头文件:

[cpp]  view plain copy
  1. #import "WBEngine.h"  
其实,我们只会用到该文件中的代码。

4.把你的 AppKey 和 AppSecret 定义成宏,方便之后的更改和多出使用:


5.然后,在你的类中 声明一个WBEngine的属性:


别忘记要遵循 WBEngineDelegate 和 WBRequestDelegate 协议。之后要用到它们中的回调方法。


创建一个 WBEngine :

[cpp]  view plain copy
  1. engine = [[WBEngine alloc] initWithAppKey:APP_KEY appSecret:APP_SECRET];  
  2.           
  3.         engine.rootViewController = nil;  
  4.         engine.delegate = self;  
  5.         engine.redirectURI = @"http://";  
  6.         engine.isUserExclusive = NO;  


在做微博操作之前,你首先需要登录:

[cpp]  view plain copy
  1. [engine logIn];  
调用该方法,SDK将自动弹出View让用户输入账号和密码。当该函数执行后,下面回调可能会调用:

[cpp]  view plain copy
  1. //Already login  
  2. - (void)engineAlreadyLoggedIn:(WBEngine *)engine {  
  3.     //  
  4. }  
  5.   
  6. //login success  
  7. - (void)engineDidLogIn:(WBEngine *)engine {  
  8.     NSLog(@"login success.");  
  9.       
  10.     //send weibo  
  11.     [self.engine sendWeiBoWithText:@"olala" image:nil];  
  12. }  
  13.   
  14. //login fail  
  15. - (void)engine:(WBEngine *)engine didFailToLogInWithError:(NSError *)error {  
  16.     NSLog(@"login fail.");  
  17. }  

使用该方法发送微博:

[cpp]  view plain copy
  1. [self.engine sendWeiBoWithText:@"olala" image:nil];  


该方法调用后,可能会调用以下方法:

[cpp]  view plain copy
  1. - (void)engine:(WBEngine *)engine requestDidSucceedWithResult:(id)result {  
  2.     NSLog(@"share success");  
  3. }  
  4.   
  5. - (void)engine:(WBEngine *)engine requestDidFailWithError:(NSError *)error {  
  6.     NSLog(@"share fail.");  
  7. }  
  • 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