如何遍历所有组件的caption,包括 TListView,TabSheet等所有VCL控件

lxj_com2006 2007-10-22 11:34:50
如何遍历所有组件的caption属性,包括 TListView,TabSheet等所有VCL控件

如下:
Memo1->Clear();
for(int i=0; i<Form1->ComponentCount; i++)
{
if(GetPropInfo(Components[i], "Caption"))
Memo1->Lines->Add(Components[i]->Name);
}

只能遍历到label,button等直接有caption属性的控件;
Delphi中可以通过TReader类,read和write方法实现;

问:C++builder 中怎么才能遍历到所有组件的Caption属性;
...全文
97 4 打赏 收藏 转发到动态 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
编译失败 2007-10-22
  • 打赏
  • 举报
回复
你是不是想写多语言?象TabSheet这种只能用特殊情况了,没有什么好方法

if (Components[i]->ClassNameIs("TPageControl")) {
TPageControl *p = (TPageControl *)Components[i];
for (int i=0;i<p->PageCount;i++) {
ShowMessage(p->Pages[i]->Caption);
}
}
内容概要:本文是《目标检测入门指南》系列的第二部分,重点介绍用于图像分类的经典卷积神经网络(CNN)架构及其在目标检测中的基础作用。文章详细讲解了卷积操作的基本原理,并以AlexNet、VGG和ResNet为例,阐述了不同CNN模型的结构特点与创新点,如深层网络设计、小滤波器堆叠和残差连接机制。同时介绍了目标检测常用的评估指标mAP(平均精度均值),解释了其计算方式和意义。此外,文章还回顾了传统的可变形部件模型(DPM),分析其基于根滤波器、部件滤波器和空间形变代价的检测机制,并指出DPM可通过展开推理过程转化为等效的CNN结构。最后,介绍了Overfeat模型,作为首个将分类、定位与检测统一于CNN框架的先驱工作,展示了如何通过滑动窗口进行多尺度分类并结合回归器预测边界框。; 适合人群:具备一定计算机视觉和深度学习基础,从事或学习图像识别、目标检测相关方向的研发人员与学生;适合希望理解经典CNN模型演进及目标检测早期发展脉络的技术爱好者。; 使用场景及目标:①理解CNN在图像分类中的核心架构演变及其对后续目标检测模型的影响;②掌握mAP等关键评估指标的含义与计算方法;③了解DPM与Overfeat的设计思想,为深入学习R-CNN系列等现代检测器打下理论基础。; 阅读建议:此资源以综述形式串联多个经典模型,建议结合原文图表与参考文献进行延伸阅读,并通过复现典型模型结构加深对卷积、池化、残差连接等操作的理解,从而建立从传统方法到深度学习的完整认知链条。

604

社区成员

发帖
与我相关
我的任务
社区描述
C++ Builder VCL组件使用和开发
社区管理员
  • VCL组件使用和开发社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧