欢迎使用CSDN-markdown编辑器

public abstract class CommonAdapter extends BaseAdapter {
protected Context mContext;
protected ArrayList mArrayList;
protected final int mItemLayoutId;
protected LayoutInflater mInflater;

public CommonAdapter(Context mContext, ArrayList<T> mArrayList, int mItemLayoutId) {
    this.mContext = mContext;
    this.mInflater = LayoutInflater.from(mContext);
    this.mArrayList = mArrayList;
    this.mItemLayoutId = mItemLayoutId;
}

@Override
public int getCount() {
    return mArrayList.size();
}

@Override
public T getItem(int position) {
    return mArrayList.get(position);
}

@Override
public long getItemId(int position) {
    return position;
}

@Override
public View getView(int position, View convertView, ViewGroup parent) {
    final ViewHolder viewHolder = getViewHolder(position, convertView, parent);
    convert(viewHolder, getItem(position));

    return viewHolder.getConvertView();
}

public abstract void convert(ViewHolder helper, T item) ;


private ViewHolder getViewHolder(int position, View convertView, ViewGroup parent){

    return ViewHolder.get(mContext, convertView, parent, mItemLayoutId, position);
}

}


public ViewHolder setText(int viewId, String text)
{
TextView view = getView(viewId);
view.setText(text);
return this;
}

/**
 * 为ImageView设置图片
 *
 * @param viewId
 * @param drawableId
 * @return
 */
public ViewHolder setImageResource(int viewId, int drawableId)
{
    ImageView view = getView(viewId);
    view.setImageResource(drawableId);

    return this;
}

/**
 * 为ImageView设置图片
 *
 * @param viewId
 * @param
 * @return
 */
public ViewHolder setImageBitmap(int viewId, Bitmap bm)
{
    ImageView view = getView(viewId);
    view.setImageBitmap(bm);
    return this;
}



public int getPosition()
{
    return mPosition;
}

}

用的时间就比较简单了

public class MainActivity extends AppCompatActivity {
private ListView mListview;
private ArrayList list = new ArrayList();
private ListBean listBean;
CommonAdapter adapter;

@Override
protected void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    setContentView(R.layout.activity_main);
    mListview = (ListView) findViewById(R.id.main_list);

  adapter =   new CommonAdapter<ListBean>(getApplicationContext(), list, R.layout.item_listview) {
        @Override
        public void convert(ViewHolder helper, ListBean item) {
            helper.setText(R.id.tv_title, item.getTitle());
            helper.setText(R.id.tv_describe, item.getContent());
            helper.setText(R.id.tv_time, item.getTime());
            helper.setText(R.id.tv_phone, item.getPhoneNum());


        }
    };

    mListview.setAdapter(adapter);
    add();
}

//写一个方法,专门往listview 添加数据

public void add(){
    for (int i = 0; i < 20; i++) {
        listBean=new ListBean("1","2","3","4");
        list.add(listBean);
    }

    adapter.notifyDataSetChanged();

}

}


public class ListBean {

private String title;
private String content;
private String time;
private String phoneNum;

public ListBean(String title, String content, String time, String phoneNum) {
    this.title = title;
    this.content = content;
    this.time = time;
    this.phoneNum = phoneNum;
}

public String getTitle() {
    return title;
}

public void setTitle(String title) {
    this.title = title;
}

public String getContent() {
    return content;
}

public void setContent(String content) {
    this.content = content;
}

public String getTime() {
    return time;
}

public void setTime(String time) {
    this.time = time;
}

public String getPhoneNum() {
    return phoneNum;
}

public void setPhoneNum(String phoneNum) {
    this.phoneNum = phoneNum;
}

}

这是样式的布局 item_listview

  • 1
    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