基本

kkjkl

ljl

 

kjlkjl

using System;
using System.Data;
using System.Configuration;
using System.Collections;
using System.Web;
using System.Web.Security;
using System.Web.UI;
using System.Web.UI.WebControls;
using System.Web.UI.WebControls.WebParts;
using System.Web.UI.HtmlControls;
using DAL;
using System.Collections.Generic;
using System.Data.SqlClient;
using System.Text;

public partial class addList : System.Web.UI.UserControl
{
    protected void Page_Load(object sender, EventArgs e)
    {
        if (!IsPostBack)
            init();
    }
    public string stateName
    {
        get
        {
            if (stateList.SelectedIndex <= 0)
            {
                return null;
            }
            else
            {
                return stateList.SelectedItem.Text;
            }
        }
    }
    public string stateId
    {
        get
        {
            if (stateList.SelectedIndex <= 0)
            {
                return null;
            }
            else
            {
                return stateList.SelectedValue;
            }
        }
    }

    public string subSateName
    {
        get
        {
            if (subName.Value != "" && subName.Value.IndexOf("所有区") == -1)
                return subName.Value.Split('-')[0];
            else
                return null;
        }
    }
    public string subSateId
    {
        get
        {
            if (subName.Value != "" && subName.Value.IndexOf("所有区") == -1)
                return subName.Value.Split('-')[1];
            else
                return null;
        }
    }

    public SqlDataReader dr2 = null;
    void init()
    {
        DataSet dr = DAL.SqlHelper.Query("select distinct trade_id,trade_name from dbo.enterprise_Trade_sub");
        stateList.DataSource = dr;
        stateList.DataTextField = "trade_name";
        stateList.DataValueField = "trade_id";
        stateList.DataBind();
        stateList.Items.Insert(0, new ListItem("所有城市", "0"));

        dr2 = DAL.SqlHelper.ExecuteReader("select distinct trade_sub_id,trade_sub_name, trade_id,trade_name from dbo.enterprise_Trade_sub");

        int indx = 0;
        if (dr2 != null)
        {
            StringBuilder sb = new StringBuilder();
            while (dr2.Read())
            {
                sb.Append("states[");
                sb.Append(indx);
                sb.Append("]=new subState(");
                sb.Append(dr2["trade_sub_id"].ToString());
                sb.Append(",'");
                sb.Append(dr2["trade_sub_name"].ToString());
                sb.Append("',");
                sb.Append(dr2["trade_id"].ToString());
                sb.Append(");");

                indx++;
            }
            str.Value = sb.ToString();
            dr2.Close();

        }

    }
}

  • 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