遍历文件夹下的所有文件

使用FindFirstFile 和FindNextFile两个函数进行遍历查找。

typedef struct _WIN32_FIND_DATA {

    DWORD dwFileAttributes; //文件属性

    FILETIME ftCreationTime; // 文件创建时间

    FILETIME ftLastAccessTime; // 文件最后一次访问时间

    FILETIME ftLastWriteTime; // 文件最后一次修改时间

    DWORD nFileSizeHigh; // 文件长度高32位

    DWORD nFileSizeLow; // 文件长度低32位

    DWORD dwReserved0; // 系统保留

    DWORD dwReserved1; // 系统保留

    TCHAR cFileName[ MAX_PATH ]; // 文件名

    TCHAR cAlternateFileName[ 14 ]; // 8.3格式文件名

      } WIN32_FIND_DATA, *PWIN32_FIND_DATA;

函数如下:

static int find(TCHAR * dir)
{
	TCHAR *tmp;
	WIN32_FIND_DATA FindFileData;   //WIN32_FIND_DATA结构描述了一个由FindFirstFile, FindFirstFileEx, 或FindNextFile函数查找到的文件信息  
	tmp = (TCHAR *)malloc(GHOSTCOPY_MAX_PATH_LENGTH);
	_tcscpy(tmp, dir);
	_tcscat(tmp, _T("\\*.*"));    //必须得设置通配符

	HANDLE hFind = FindFirstFile(tmp, &FindFileData);
	if (INVALID_HANDLE_VALUE == hFind)
		return 0;
	//_tprintf(_T("%s!\n"), FindFileData.cFileName);
	while (TRUE)
	{
		//判断是不是目录,如果当前文件是目录文件,则递归调用findFile  
		if (FindFileData.dwFileAttributes == FILE_ATTRIBUTE_DIRECTORY)
		{
			if (FindFileData.cFileName[0] != _T('.'))
			{
				_tcscpy(tmp, dir);
				_tcscat(tmp, _T("\\"));
				_tcscat(tmp, FindFileData.cFileName);
				_tprintf(_T("%s\n"), tmp);
				//输出文件夹路径
				_tprintf(_T("%s is a direction!\n"), FindFileData.cFileName);
				find(tmp);
			}
		}
		else
		{
			_tcscpy(tmp, dir);
			_tcscat(tmp, _T("\\"));
			_tcscat(tmp, FindFileData.cFileName);
			_tprintf(_T("%s\n"), tmp);
			//输出文件路径
			_tprintf(_T("%s is a file!\n"), FindFileData.cFileName);
		}
		if (!FindNextFile(hFind, &FindFileData))
			break;
	}
	FindClose(hFind);
	free(tmp);
	return 0;
}


  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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