分页存储过程

CREATE    PROCEDURE  sp_Paging
@tblName   varchar ( 255 ) ,  --  表名
@strGetFields   varchar ( 1000 =   ' * ' --  需要返回的列 
@fldName   varchar ( 255 ) = '' --  排序的字段名
@pageSize   int   =   10 --  页尺寸
@pageIndex   int   =   1 --  页码
@recordCount   int   =   0  output,  --  返回记录总数
@pageCount   int   =   0  output,  -- 分页总数
@orderType   int   =   0 --  设置排序类型, 非 0 值则降序
@strWhere   varchar ( 1500 =   ''   --  查询条件 (注意: 不要加 where)
AS
declare   @strSQL   nvarchar ( 3000 --  主语句
declare   @strTmp   varchar ( 110 --  临时变量
declare   @strOrder   varchar ( 400 --  排序类型

    
begin
        
if   @strWhere   != ''
            
set   @strSQL   =   ' select @recordCount = count(*) from  '   +   @tblName   +   '  where  ' + @strWhere
        
else
            
set   @strSQL   =   ' select @recordCount = count(*) from  '   +   @tblName
    
end  

    
exec  sp_executesql  @strSQL ,N ' @recordCount int out  ' , @recordCount  out

    
if   @recordCount   %   @pageSize   =   0
        
set   @pageCount   =   @recordCount   /   @pageSize
    
else
        
set   @pageCount   =   @recordCount   /   @pageSize   +   1
  
-- 以上代码的意思是计算出记录是总数和求出总共的页数

   
begin
      
if   @orderType   !=   0
         
begin
            
set   @strTmp   =   ' <(select min '
            
set   @strOrder   =   '  order by  '   +   @fldName   + '  desc '
         
-- 如果@orderType不是0,就执行降序,这句很重要!
          end
      
else
         
begin
            
set   @strTmp   =   ' >(select max '
            
set   @strOrder   =   '  order by  '   +   @fldName   + '  asc '
         
end

     
if   @pageIndex   =   1
        
begin
           
if   @strWhere   !=   ''  

              
set   @strSQL   =   ' select top  '   +   str ( @pageSize + '   ' + @strGetFields +   '  from  '   +   @tblName   +   '  where  '   +   @strWhere   +   '   '   +   @strOrder
           
else

              
set   @strSQL   =   ' select top  '   +   str ( @pageSize + '   ' + @strGetFields +   '  from  ' +   @tblName   +   '   ' +   @strOrder
      
-- 如果是第一页就执行以上代码,这样会加快执行速度
         end
     
else
         
begin
           
if   @strWhere   !=   ''
                 
set   @strSQL   =   ' select top  '   +   str ( @pageSize + '   ' + @strGetFields +   '  from  '
                        
+   @tblName   +   '  where  '   +   @fldName   +   ''   +   @strTmp   +   ' ( '
                        
+   substring ( @fldName charindex ( ' . ' , @fldName ) + 1 len ( @fldName ))  +   ' ) from (select top  '   +   str (( @pageIndex - 1 ) * @pageSize +   '   '
                        
+   @fldName   +   '  from  '   +   @tblName   +   '  where  '   +   @strWhere   +   '   '
                        
+   @strOrder   +   ' ) as tblTmp) and  '   +   @strWhere   +   '   '   +   @strOrder
       
else
         
set   @strSQL   =   ' select top  '   +   str ( @pageSize + '   ' + @strGetFields +   '  from  '
                        
+   @tblName   +   '  where  '   +   @fldName   +   ''   +   @strTmp   +   ' ( '
                        
+   substring ( @fldName charindex ( ' . ' , @fldName ) + 1 len ( @fldName ))  +   ' ) from (select top  '   +   str (( @pageIndex - 1 ) * @pageSize +   '   '
                        
+   @fldName   +   '   from  '   +   @tblName   +   ''   +   @strOrder   +   ' ) as tblTmp) '
                        
+   @strOrder
         
end
   
end
print   @strSQL
exec  sp_executesql  @strSQL
GO
  • 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