Ajax请求

Ajax 是一种在无需重新加载整个网页的情况下,能够更新部分网页的技术。
通过在后台与服务器进行少量数据交换,Ajax 可以使网页实现异步更新。这意味着可以在不重新加载整个网页的情况下,对网页的某部分进行更新。
传统的网页(不使用 Ajax)如果需要更新内容,必须重载整个网页页面。

js实现ajax:
//1.创建 XMLHttpRequest 对象

var xmlhttp = new XMLHttpRequest(); 

//2.向服务器发送请求

xmlhttp.open("GET","test1.txt?fname=Bill&lname=Gates",true);
xmlhttp.send();

方法说明:

  • open(method,url,async)
    规定请求的类型、URL 以及是否异步处理请求。
    method:请求方式;GET 或 POST
    GET:请求参数在url后面,send方法为空参。
    POST:请求参数在send方法参数中,不在url后面。
    url:文件在服务器上的位置
    async:true(异步)或 false(同步)

  • send(string)
    将请求发送到服务器。
    string:仅用于 POST 请求,post的请求参数。

//3.接收并处理来自服务器的响应数据
//获取方式,xmlhttp.responseText或 xmlhttp.responseXML
//什么时候获取数据?当服务器响应成功后。即当 readyState 等于 4 且状态为 200 时,表示响应已就绪:

//每当 readyState就绪状态 改变时,就会触发 onreadystatechange 事件。
xmlhttp.onreadystatechange=function()
  {
  if (xmlhttp.readyState==4 && xmlhttp.status==200)
    {
    //获取服务器响应结果
    document.getElementById("myDiv").innerHTML=xmlhttp.responseText;
    }
  }

JQuery实现Ajax
1.$.ajax(url,[setting])—()里面放一些键值对

<script>
$.ajax({
url:"ajaxTest",//请求路径
type:"POST",请求方式
data:{"username":"hh","age"="20"},//请求参数
success:function(data){//响应成功后的回调函数,data就是服务器响应结果的值
},
 error:function(){//如果请求响应出现错误,返回的回调函数
 },
dataType:"json",//设置接收到响应数据的格式,json写了jq会帮我们转换成数组或者对象 已经用JSON.parse转化 
 timeout:3000 //3秒后提示错误
});
</script>

2.$.get():发送get请求
语法:$.get(url,[data],[callback],[type])
url:请求路径
data:请求参数
callback:回调函数
type:响应结果的类型json/text/…

function fun(){
  $.get("ajaxTest",{usename:"li"},function(data) {},"text");
}

3.$.post():发送post请求

function fun(){
  $.post("ajaxTest",{usename:"li"},function(data) {},"text");
}
`
  • 4
    点赞
  • 11
    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