2021.2.22初级项目登陆

ajax的使用—两种


在这里插入图片描述
在这里插入图片描述


在这里插入图片描述

拦截器的使用

package com.mashibing.springboot.filter;

import java.io.IOException;

import javax.servlet.Filter;
import javax.servlet.FilterChain;
import javax.servlet.FilterConfig;
import javax.servlet.ServletException;
import javax.servlet.ServletRequest;
import javax.servlet.ServletResponse;
import javax.servlet.annotation.WebFilter;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

import org.springframework.stereotype.Component;

/**
 * 用户权限处理
 * @author Administrator
 *
 */
@Component
@WebFilter(urlPatterns = "/*")
public class AccountFilter implements Filter {

	
	// 不需要登录的 URI
	private final String[] IGNORE_URI = {"/index","/account/validataAccount","/css/","/js/","/account/login","/images"};
	
	
	@Override
	public void doFilter(ServletRequest req, ServletResponse resp, FilterChain chain)
			throws IOException, ServletException {
		
		
		HttpServletRequest request =  (HttpServletRequest)req;
		HttpServletResponse response = (HttpServletResponse)resp;
		
		String uri = request.getRequestURI();
		
		// 当前访问的URI是不是 在Ignore列表里  
		System.out.println("uri:" + uri);
		boolean pass = canPassIgnore(uri);
		if (pass) {
			// 在的话 放行 
			chain.doFilter(request, response);
			return;
		}
		
		// 是否已登录,从session里找 Account
		
		Object account = request.getSession().getAttribute("account");
		System.out.println("getSession account:" + account);
		if (null == account) {
			// 没登录 跳转登录页面
			
			response.sendRedirect("/account/login");
			return;
		}
		
		System.out.println("----filter----" + uri);
		chain.doFilter(request, response);
		
	}

	private boolean canPassIgnore(String uri) {

		// /index = uri

		// 判断 访问的URI 起始部分 是否包含 Ignore 
		// 下级目录资源也能访问
		
		for (String val : IGNORE_URI) {
			
			if(uri.startsWith(val)) {
				return true;
			};
		}
		
		return false;
	}

	@Override
	public void init(FilterConfig filterConfig) throws ServletException {

		// 加载 Filter 启动之前需要的资源
		System.out.println("---------------AccountFilter Init....");
		
		Filter.super.init(filterConfig);
	}
	
	

}

bootstrap的使用

https://www.bootcss.com/

分页功能

<div class="row mt-2">
                        <div class="col-6 offset-3">
                            <nav aria-label="Page navigation example">
                                <div class="pagination">
                                    <a class="page-item page-link" href="#"
                                       v-on:click.prevent="loadQuestions(pageInfo.prePage)">上一页</a>
                                    <a class="page-item page-link " href="#" v-for="n in pageInfo.navigatepageNums"
                                       v-on:click.prevent="loadQuestions(n)"
                                       v-bind:class="{'bg-secondary text-light': n===pageInfo.pageNum}"><span
                                            v-text="n">1</span></a>
                                    <a class="page-item page-link" href="#"
                                       v-on:click.prevent="loadQuestions(pageInfo.nextPage)">下一页</a>
                                </div>
                            </nav>
                        </div>

                    </div>

js代码
在这里插入图片描述

  • 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
。支持yolov5s,yolov5m,yolov5l.zip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