CMyclsss

ice197983 2007-08-24 12:08:14
#include "StdAfx.h"
#include "Myclsss.h"

const TCHAR *MENU_CLASS_NAME = L"BaculaFD Tray Icon";

CMyclsss::CMyclsss()
{}

CMyclsss::CMyclsss(HINSTANCE hAppInstance)
{
// Create a dummy window to handle tray icon messages
WNDCLASSEX wndclass;

wndclass.cbSize = sizeof(wndclass);
wndclass.style = 0;
wndclass.lpfnWndProc = CMyclsss::WndProc;
wndclass.cbClsExtra = 0;
wndclass.cbWndExtra = 0;
wndclass.hInstance = hAppInstance;
wndclass.hIcon = LoadIcon(NULL, IDI_APPLICATION);
wndclass.hCursor = LoadCursor(NULL, IDC_ARROW);
wndclass.hbrBackground = (HBRUSH) GetStockObject(WHITE_BRUSH);
wndclass.lpszMenuName = /*(const char *) */NULL;
wndclass.lpszClassName = MENU_CLASS_NAME;
wndclass.hIconSm = LoadIcon(NULL, IDI_APPLICATION);
RegisterClassEx(&wndclass);

m_hwnd = CreateWindow(MENU_CLASS_NAME,
MENU_CLASS_NAME,
WS_OVERLAPPEDWINDOW,
CW_USEDEFAULT,
CW_USEDEFAULT,
200, 200,
NULL,
NULL,
hAppInstance,
NULL);
ShowWindow( m_hwnd, 1 );
UpdateWindow( m_hwnd );

if (m_hwnd == NULL) {
PostQuitMessage(0);
return;
}
}

CMyclsss::~CMyclsss()
{

}

// Process window messages
LRESULT CALLBACK CMyclsss::WndProc(HWND hwnd, UINT iMsg, WPARAM wParam, LPARAM lParam)
{
CMyclsss *_this = (CMyclsss *) GetWindowLong(hwnd, GWL_USERDATA);

switch (iMsg)
{
case WM_CREATE:
return 0;
case WM_LBUTTONDOWN:
MessageBeep(1);

case WM_COMMAND:
switch (LOWORD(wParam))
{
case 1:
break;
default:
break;
}
return 0;
case WM_DESTROY:
PostQuitMessage(0);
return 0;
default:
break;
}
return DefWindowProc(hwnd, iMsg, wParam, lParam);
}
...全文
159 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
下载代码方式:https://pan.quark.cn/s/f37bcecd66c0 YOLOv3(You Only Look Once version 3)是一种基于深度学习技术的目标检测方法,由Joseph Redmon、Ali Farhadi等研究者于2018年开发。该算法在目标检测领域展现出广泛的应用前景,特别是在实时视频处理、自动驾驶系统以及智能监控系统等场景中。与YOLO的前两个版本相比,YOLOv3在提升检测准确性的同时,依然维持了较高的处理速度。YOLOv3模型的关键构成要素包括三个主要部分:网络设计、损失评估机制以及数据准备流程。1. **网络设计**:YOLOv3以DarkNet-53作为其基础网络结构,DarkNet-53是一种包含53层卷积层的深度卷积神经网络,其设计目标在于实现准确性与计算效率的均衡。YOLOv3引入了特征金字塔网络(Feature Pyramid Network, FPN)的理念,这一创新能够有效检测不同尺寸的目标。模型通过多个层级进行预测,每个层级专门负责识别特定尺寸的物体,从而显著增强了小尺寸目标的检测性能。2. **多尺度预测**:YOLOv3在三个不同的尺度上执行预测任务,每个尺度对应一组不同的锚框(Anchor Boxes),锚框是预先设定的可能目标尺寸,用于初始化检测框。每个网格单元负责预测多个锚框,每个锚框包含两个坐标偏移量(表示框的位置)、一个置信度得分(表明该框内存在目标的概率)以及类别概率。3. **优化的Anchor Boxes**:与YOLOv2相比,YOLOv3采用了更多种类的锚框,这些锚框具有不同的比例和尺寸,从而更有效地适应各种形状和大小的目标。4. **损失评估机制**:YOLOv3的...

65,212

社区成员

发帖
与我相关
我的任务
社区描述
C++ 语言相关问题讨论,技术干货分享,前沿动态等
c++ 技术论坛(原bbs)
社区管理员
  • C++ 语言社区
  • encoderlee
  • paschen
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
  1. 请不要发布与C++技术无关的贴子
  2. 请不要发布与技术无关的招聘、广告的帖子
  3. 请尽可能的描述清楚你的问题,如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧