自定义组件

定义组件

myCpn.wxml

<view>
	<view bindtap="handleClick" data-count="{{count}}">头部</view>
	<slot name="slot1"></slot>
	<slot name="slot2"></slot>
	<view>尾部</view>1
</view>

myCpn.json

{
  "component": true,
  "usingComponents": {}
}

myCpn.js

Component({
	properties: {
		name: String,
		age: {
			type: Number,
			value: 11
		},
		info: {
			type: Object,
			value: {
				height: 155
			},
			observer: (val) => {
				this.setData({
					'personInfo.height': val.height
				})
			}
		}
	},
	data: {
		personInfo: {
			height: 177
		},
		count: 1
	},
	options: {
		multipleSlotes: true
	},
	observers: {
		count(val) {
			console.log(val)
		}
	},
	lifeTimes: {
		created() {
			console.log("组件被创建")
		},
		attached() {
			console.log("组件被添加到页面")
		},
		ready() {
			console.log("组件被渲染出来")
		},
		detached() {
			console.log("组件被移除")
		}
	},
	pageLifeTimes: {
		show() {
			console.log("页面显示")
		},
		hide() {
			console.log("页面隐藏")
		},
		resize() {}
	},
	methods: {
		handleClick(e) {
			let count = e.currentTarget.dataset.count
			this.triggerEvent('handleClick', {count})
		}
	},
})

使用组件

index.json

{
	"usingComponents": {
		"my-cpn":"/component/myCpn/myCpn"
	}
}

index.wxml

<view>
	<my-cpn id="my-cpn" bindhandleClick="handleClick">
		<view slot="slot1"></view>
		<view slot="slot2"></view>
	</my-cpn>
</view>

index.js

Page({
	handleClick(e) {
		console.log(e.detail.count)
		let cpn = this.selectComponent("#my-cpn")
		cpn.handleClick()
	}
})
  • 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