小程序模糊搜索功能

1.写好页面布局

<!--搜索-->
<view class="searchbox">
  <form bindsubmit="formSubmit">
    <view class="search">
      <image class="search-icon" src="{{BaseURL}}/uploadFile/images/search-icon.png"></image>
      <view class="input-search">
        <input name="value" placeholder="请输入名称" bindinput='bindInputName' />
      </view>
      <button formType="submit" class="searchbtn">搜索</button>
    </view>
  </form>
</view>

2.样式

/*搜索start*/

.searchbox {
  width: 100%;
  height: 40px;
  float: left;
  background: #fff;
  border-bottom: 1px solid #eee;
}

.search {
  width: 80%;
  height: 30px;
  line-height: 30px;
  margin: auto;
  background: #fff;
  margin-top: 5px;
  border: 1px solid #eee;
  font-family: "微软雅黑";
  font-size: 14px;
}

.search-icon {
  width: 20px;
  height: 20px;
  float: left;
  margin-left: 5px;
  margin-top: 5px;
}

.input-search {
  width: 60%;
  height: 29px;
  line-height: 29px;
  float: left;
  margin-left: 5px;
  font-family: "微软雅黑";
  font-size: 14px;
}

.input-search input {
  width: 100%;
  height: 29px;
  line-height: 29px;
  font-family: "微软雅黑";
  font-size: 14px;
}

.searchbtn {
  height: 30px;
  width: 60px;
  line-height: 30px;
  float: right;
  text-align: center;
  font-family: "微软雅黑";
  font-size: 14px;
  border-top-right-radius: 4rpx;
  border-bottom-right-radius: 4rpx;
  border-top-left-radius: 0px;
  border-bottom-left-radius: 0px;
  background: #3891f8;
  color: #fff;
}

/*end搜索*/

3.js

/********************搜索s************************/
  bindInputName: function (e) {
    console.log("搜索" + e.detail.value);
    var info = this.data.baseList;
    var value = e.detail.value,
      newlists = new Array();
    if (e.detail.value == '') {
      this.setData({
        lists: info
      })
    } else {
      for (var i = 0; i < info.length; i++) {
        if (info[i].goodsPackageFullName.indexOf(value) >= 0) {
          newlists.push(info[i]); //添加搜索到的物品名称
        }
      }
      this.setData({
        lists: newlists
      })
    }
  },

  //搜索
  formSubmit: function (e) {
    var value = e.detail.value.value,
      info = this.data.baseList,
      newlists = new Array();
    if (value == "") {
      this.setData({
        lists: this.data.baseList
      })
    } else {
      for (var i = 0; i < info.length; i++) {
        if (info[i].goodsPackageFullName.indexOf(value) >= 0) {
          newlists.push(info[i]); //添加搜索到的物品名称
        }
      }
      this.setData({
        lists: newlists
      })
    }
  },
  /*********************搜索e***************************/

  //获取盘点记录
  getTheGoodsSaveRecord: function() {
    var that = this;
    wx.request({
      header: {
        "Content-Type": "application/x-www-form-urlencoded"
      },
      method: 'POST',
      url: app.globalData.BaseURL + 'group/v1/getTheGoodsSaveRecord.html',
      data: {
        goodsSaveRecordID: that.data.goodsSaveRecordID,
      },
      success: function(res) {
        console.log("获取待存取:", res.data)
        wx.hideLoading()
        var status = res.data.status;
        var info = res.data.info;
        if (status.indexOf("SUCCESS") == 0) {
          that.setData({
            lists: info,
            baseList: info,
          })
        } else {
          wx.showToast({
            title: '获取失败!请重新获取',
            icon: 'none'
          })
        }
      }
    })
  },

 

<think>嗯,用户让我介绍一下前沿的深度学习感知算法,首先我需要理解他们到底想了解什么。可能他们是对计算机视觉或者自然语言处理中的最新进展感兴趣?或者是想了解这些算法在实际中的应用? 首先,我应该明确深度学习感知算法主要涉及哪些领域。感知通常指的是计算机通过传感器数据(如图像、声音、文本等)理解环境的能力,所以可能包括计算机视觉、语音识别、自然语言处理这些方面。前沿的算法可能包括Transformer架构、自监督学习、多模态模型等等。 接下来,我需要考虑用户的背景。如果他们不是专业人士,可能需要用比较易懂的语言解释,避免太多技术术语。但问题中用户可能有一定的技术基础,因为他们提到了“深度学习”和“感知算法”,所以可以适当深入,但保持清晰的结构。 然后,我应该分几个主要类别来介绍这些算法。比如计算机视觉中的目标检测、分割,自然语言处理中的预训练模型,多模态模型如CLIP,还有生成模型如扩散模型。此外,可能还需要提到一些优化方法,比如高效计算、自监督学习等,这些都是当前的研究热点。 需要注意用户可能对应用场景也感兴趣,所以每个算法部分最好加上实际应用的例子,比如自动驾驶、医疗影像分析等。这样可以让用户理解这些技术如何落地。 另外,用户可能想知道这些算法的最新进展,比如2023年的新模型,例如GPT-4、Stable Diffusion等,或者一些改进的架构,如Vision Transformer的变体。需要确保信息是最新的,但也要注意有些模型可能还未被广泛验证。 还要考虑是否存在潜在的后续问题,比如用户可能想了解某个具体算法的细节,或者比较不同算法的优缺点。因此,在介绍时可以适当提到它们的优势,比如Transformer的长距离依赖处理能力,或者扩散模型生成的高质量图像。 最后,总结部分需要概括这些算法的共同趋势,比如模型效率、多模态融合、自监督学习等,帮助用户把握整体发展方向。同时,指出挑战,如数据需求、计算成本,可能也是用户关心的点。 在组织内容时,结构要清晰,分点列出,每个算法类别下给出几个例子,并简要说明原理和应用。这样用户能够快速获取信息,同时有进一步搜索的方向。</think>前沿深度学习感知算法是计算机视觉、语音识别、自然语言处理等领域的重要技术方向,近年来在模型架构、训练方法、多模态融合等方面取得了显著进展。以下是几个关键方向及代表性技术: --- ### **1. Transformer 架构的全面渗透** - **核心思想**:通过自注意力机制(Self-Attention)捕捉长距离依赖关系,替代传统CNN/RNN。 - **前沿应用**: - **视觉Transformer(ViT, Swin Transformer)**:将图像切分为序列输入Transformer,在分类、检测任务中超越CNN。 - **多模态模型(CLIP, DALL·E)**:联合训练图像-文本对,实现跨模态检索与生成(如文本生成图像)。 - **高效变体**:Flash Attention、稀疏注意力(Sparse Attention)优化计算效率。 --- ### **2. 自监督学习(Self-Supervised Learning)** - **特点**:无需人工标注,利用数据自身结构生成监督信号。 - **前沿方法**: - **对比学习(Contrastive Learning)**:如SimCLR、MoCo,通过增强样本的相似性学习特征表示。 - **掩码建模(Masked Modeling)**:BERT(文本掩码预测)、MAE(图像掩码重建)通过恢复被遮挡部分学习语义。 - **扩散模型(Diffusion Models)**:通过逐步去噪生成数据,如Stable Diffusion、DALL·E 3。 --- ### **3. 维感知与神经渲染** - **目标**:从2D图像理解3D场景。 - **关键技术**: - **NeRF(Neural Radiance Fields)**:通过神经网络隐式建模3D场景的光场,实现高质量视图合成。 - **动态场景建模**:如Dynamic-NeRF、Gaussian Splatting,支持动态物体和实时渲染。 - **多传感器融合**:激光雷达(LiDAR)+ 摄像头的端到端感知(如自动驾驶算法)。 --- ### **4. 高效轻量化模型** - **需求**:在移动端/边缘设备部署高精度模型。 - **技术方向**: - **神经网络压缩**:知识蒸馏(Knowledge Distillation)、量化(Quantization)、剪枝(Pruning)。 - **动态计算**:如Mixture of Experts(MoE),根据输入动态分配计算资源。 - **硬件协同设计**:如Tesla Dojo芯片与自动驾驶算法的联合优化。 --- ### **5. 多模态融合与具身智能** - **趋势**:结合视觉、语言、动作等多模态信息,实现更接近人类的感知能力。 - **案例**: - **机器人感知**:如Google RT-2,通过视觉-语言-动作联合训练实现复杂指令理解。 - **具身AI(Embodied AI)**:在仿真环境(如Habitat)中训练智能体感知-决策闭环。 --- ### **6. 生成式感知与开放世界理解** - **挑战**:从封闭场景扩展到开放世界,处理未知类别和长尾分布。 - **解决方案**: - **开放词汇检测(Open-Vocabulary Detection)**:如OV-DETR,利用文本编码器支持任意类别识别。 - **零样本/少样本学习**:基于预训练模型(如GPT-4V)实现无需微调的跨任务泛化。 --- ### **典型应用场景** - **自动驾驶**:BEV(Bird's Eye View)感知、Occupancy Networks预测3D占据空间。 - **医疗影像**:Diffusion Model生成合成数据辅助诊断。 - **AR/VR**:NeRF实时渲染与场景重建。 --- ### **未来趋势** 1. **模型大一统**:跨任务、跨模态的统一架构(如Meta SAM 分割一切模型)。 2. **因果推理**:从关联学习到因果感知,提升模型可解释性。 3. **生物启发**:借鉴人类感知机制(如事件相机模拟视网膜处理动态场景)。 这些技术正在推动AI从“感知”向“认知”演进,但同时也面临数据效率、能耗、安全伦理等挑战。
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