【REST API】操作屏幕类[Inputs]-转移事件

本文详细介绍了如何通过特定的JSAPI对主控设备进行方向滑动操作,包括向上、向下、向左和向右。提供了HTTP POST请求的示例,展示了如何使用TotalControlTOKEN和设备ID来执行滑动指令,并解析了返回状态的成功与失败。

描述:

操作设备进行方向滑动操作。

对应JS API:


var device = Device.getMain();
device.shift();

是否支持多设备:

支持

请求方式:

POST
http://IP:8090/TotalControl/v1/devices/:device/screen/inputs

参数:

参数名类型必选描述
tokenstringYTotal Control TOKEN
:devicestringY主控设备对象值 id
directionstringY方向的常量值
-up
-down
-left
-right

请求示例:


示例一:
http://127.0.0.1:8090/TotalControl/v1/devices/device@1116106541/screen/inputs?token=270eq7lXQK8bXYsJ&direction=up

示例二:
http://127.0.0.1:8090/TotalControl/v1/devices/device@1116106541/screen/inputs
{
"token":"270eq7lXQK8bXYsJ",
"direction":"up"
}

返回示例:


{
    "status":true
}

返回字段说明:

字段类型描述
statusbooleantrue:成功; false:失败
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分图生成标签数据,适用于多/高光谱影像的单一别特征提取。; 适合人:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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