lishaozhang

LISHAOZHANG 2009-05-06 01:50:01
索引超出范围。必须为非负值并小于集合大小。
参数名: index
...全文
82 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
LISHAOZHANG 2009-05-06
  • 打赏
  • 举报
回复
谢谢解决了我忘了绑定ID 了
mhl0410 2009-05-06
  • 打赏
  • 举报
回复
//对CheckBox类声明对象
CheckBox ck;
//创建SqlCommand类的对象
SqlCommand objSqlCommand = objsqlConnection.CreateCommand();
string sql = "delete from region where regionid=@id";
//用文本形式执行SQL语句
objSqlCommand.CommandText = sql;
objsqlConnection.Open();
//用for循环选中的项
for (int i = 0; i < GridView1.Rows.Count; i++)
{
//获取GrideView中的CheckBox1中的名字
ck = (CheckBox)GridView1.Rows[i].FindControl("CheckBox1");
if (ck.Checked)
{
//将id设置为readonly获取id的值
int id = Convert.ToInt32(GridView1.Rows[i].Cells[0].Text);
//清空objSqlCommand对象中的参数
objSqlCommand.Parameters.Clear();
objSqlCommand.Parameters.AddWithValue("@id", id);
//执行SQL语句
objSqlCommand.ExecuteNonQuery();
}
}
//调用自定义方法
Bind();
LISHAOZHANG 2009-05-06
  • 打赏
  • 举报
回复
这是异常显示,一下是代码,如何解决???
//删除过程
protected void deletebtn_Click(object sender, EventArgs e)
{

try
{
int m;
for (m = 0; m <= gv.Rows.Count-1 ; m++)
{
CheckBox A = (CheckBox)gv.Rows[m].FindControl("CB");
if (A.Checked == true)
{
int y = Convert.ToInt32(gv.DataKeys[m].Value.ToString());
sbc.delete("deleteTypes", y);
}
}
Response.Write("<script>alert('删除成功!')</script>");

}
//catch (Exception)
//{
// Response.Write("<script>alert('删除失败!')</script>");

//}
finally
{
Dispose();
}
}
# 基于YOLOv5与Swin Transformer移位窗口注意力的全场景车辆精准检测系统 本方案构建了一套高精度全场景车辆智能检测系统,核心采用YOLOv5目标检测架构并将主干网络CSPDarknet替换为Swin-Transformer系列。Swin-Transformer通过移位窗口多头自注意力机制,在非重叠局部窗口内计算注意力并实现窗口间信息交互,兼顾全局建模能力与线性计算复杂度。其层级化特征金字塔结构天然适配目标检测任务,窗口大小7×7与移位策略有效捕获交通场景中车辆的全局轮廓与局部细节特征。Swin-Transformer中的Tiny、Small、Base、Large型号表示网络规模,Tiny最轻量适合边缘计算设备快速推理,Large精度最高适合云端复杂场景分析。网络采用ImageNet预训练权重初始化,结合分层冻结策略——冻结Swin-Transformer前三个阶段低层特征层,仅微调第四阶段与检测头,在保持底层特征泛化能力的同时高效适配拥堵路口、高速公路、夜间及恶劣天气等多变交通场景下的车辆检测任务。 数据预处理集成光照校正与增强策略,图像统一缩放置640×640。采用自适应直方图均衡化改善阴影与逆光条件下的车辆可见性,结合随机旋转、水平翻转与Mosaic增强提升小目标与小尺寸车辆检测能力。训练采用CIoU边框损失与焦点分类损失平衡正负样本,配合Swin-Transformer的相对位置偏置与层自适应学习率缩放,采用AdamW优化器与余弦退火学习率调度确保收敛稳定。系统通过混淆矩阵实时监控精准率、召回率、F1分数与mAP@0.5:0.95等指标,针对轿车、卡车、公交车、摩托车、自行车等多类别独立统计并保存最优权重。训练日志以JSON格式记录,支持损失曲线、精度曲线及学习率衰减曲线可视化。 系统提供完整评估管线,涵盖PR曲线、F1-置信度曲线及混淆矩阵

62,268

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术交流专区
javascript云原生 企业社区
社区管理员
  • ASP.NET
  • .Net开发者社区
  • R小R
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

.NET 社区是一个围绕开源 .NET 的开放、热情、创新、包容的技术社区。社区致力于为广大 .NET 爱好者提供一个良好的知识共享、协同互助的 .NET 技术交流环境。我们尊重不同意见,支持健康理性的辩论和互动,反对歧视和攻击。

希望和大家一起共同营造一个活跃、友好的社区氛围。

试试用AI创作助手写篇文章吧