20100831 学习记录:asp校验信用卡号

ASP

 

 判断一个字符串是否是数字

     for  i = 1   to   Len (cNumber)
      
if   not   IsNumeric ( Mid (cNumber,i, 1 ))  then
          isNum 
=   false
          response.write(
" i: "   &  i  &   " -- "   &   Mid (cNumber,i, 1 &   " <br> " )
      
end   if
      
      
if   not  isNum   then    exit   for   ' 跳出for循环
     next  


 判断信用卡号是否有效

     function  isCreditCard(cardNo) 
 
        isCreditCard 
=   false  
        lCard 
=   len (cardNo) 
        lC 
=   right (cardNo,  1
        cStat 
=   0  
        
for  i  =  (lCard  -   1 to   1  step  - 1  
            tempChar 
=   mid (cardNo, i,  1
            d 
=   cint (tempChar) 
            
if  lcard  mod   2   =   1   then  
                temp 
=  d  *  ( 1   +  ((i + 1 mod   2 )) 
            
else  
                temp 
=  d  *  ( 1   +  (i  mod   2 )) 
            
end   if  
            
if  temp  <   10   then  
                cStat 
=  cStat  +  temp  
            
else  
                cStat 
=  cStat  +  temp  -   9  
            
end   if  
        
next  
        cStat 
=  ( 10   -  (cStat  mod   10 ))  mod   10  
        
if   cint (lC)  =  cStat  then  isCreditCard  =   true  
    
end function  


 

 

转载于:https://www.cnblogs.com/neru/archive/2010/08/31/1813929.html

  • 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