形象图:

KindEditor上传图片后回调传入文本框和列表框并显示图片

KindEditor编辑器本地上传图片文件后(单个图片上传和批量图片上传),将数据回调,以实现自由设置任何一张图片做为文章形象图且在指定区域展示此形象图的功能。

以下是KindEditor 4.1.11的示例代码:

<form id="frm" name="frm" action="" method="post">
		形象图:<input id="pic" name="pic" type="text" />
		<select name="piclist" id="piclist" onChange="frm.pic.value=this.value; if(this.value.length>0){picshow.innerHTML='<img src=' + this.value + ' width=150 height=95 />';}else{picshow.innerHTML='<img src=images/nopic.gif width=150 height=95 />';}">
			<option value="">不指定文章形象图</option>
		</select>
		<div id="picshow"><img src="images/nopic.gif" width='150' height='95' /></div>
		  
		<link rel="stylesheet" href="kindeditor/themes/default/default.css" />
		<script charset="utf-8" src="kindeditor/kindeditor-all.js"></script>
		<script charset="utf-8" src="kindeditor/lang/zh-CN.js"></script>
		<script>
			var KE;
			KindEditor.ready(function(K) {
				KE = K.create('#Content',{
					uploadJson : 'kindeditor/asp/upload_json.asp',
					fileManagerJson : 'kindeditor/asp/file_manager_json.asp',
					allowImageUpload: true, //多图上传
					allowFileManager : true, //浏览图片空间
					filterMode : false, //HTML特殊代码过滤
					afterBlur: function(){ this.sync(); }, //编辑器失去焦点(blur)时执行的回调函数(将编辑器的HTML数据同步到textarea)
					afterUpload : function(url, data, name) { //上传文件后执行的回调函数,必须为3个参数
						if(name=="image" || name=="multiimage"){ //单个和批量上传图片时
							if(K("#pic").length>0){ //文本框存在
								document.getElementById('piclist').options[document.getElementById('piclist').length]=new Option(url,url); //下拉列表框增加一条
								document.getElementById('piclist').selectedIndex+=1; //选定刚新增的这一条
								K("#indexpicimg").html("<img src='" + url + "' width='150' height='95' />"); //重置图片展示区DIV的HTML内容
								K("#pic").val(url); //重置文本框值
							}
						}
					}
				});
			});
		</script>
		<textarea id="Content" name="Content" style=" width: 99%; height: 500px; visibility: hidden; display: block; "></textarea>
	</form>

 

本项学术研究采用卷积神经网络架构,结合PyTorch深度学习框架,构建了针对遥感影像中滑坡地质灾害的智能识别系统。该项目作为经过高校导师专业指导的课程设计成果,在期末考核中获得了97分的优异成绩。整套资料包含完整的技术实现代码、经过标注的遥感图像数据集以及预训练好的高精度识别模型。该系统利用深度卷积网络对多光谱遥感影像进行特征提取,通过多层非线性变换实现滑坡区域的精准识别。技术方案采用编码器-解码器结构,在保持空间分辨率的同时增强特征表达能力。数据集包含多种地形条件下的滑坡样本,涵盖不同季节、光照条件拍摄角度的遥感图像,确保模型具有较强的泛化能力。项目文件组织规范,配置说明详尽,具备开箱即用的便利性。用户只需按照指引配置运行环境,即可复现全部实验过程。代码结构清晰,包含数据预处理、模型训练、性能评估预测推理等完整模块,每个功能模块都配有详细的注释说明。该研究成果不仅展示了深度学习技术在地质灾害监测领域的应用潜力,更为相关专业的课程设计科研实践提供了可靠的技术参考。整套方案经过严格测试,运行稳定,结果可复现,适合作为计算机视觉与地理信息科学交叉学科的教学案例。资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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