基于虹软人脸识别API和Qt5的人脸识别

2024-02-11 14:48
文章标签 api 人脸识别 qt5 虹软

本文主要是介绍基于虹软人脸识别API和Qt5的人脸识别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

测试和使用了虹软的人脸API在QT5环境下设计了一个简单的人脸识别软件，实现了对人脸的跟踪和人脸识别。摄像头的控制以及图像格式的转换使用了Opencv，图像显示使用的是QT5的Qimage控件。下面是详细介绍

1基本流程

  （1）加载存储的参考图像数据和图像标签，这里简单的使用图像的名字作为标签（2）使用虹软人脸识别API计算参考图像的人脸位置数据并存储（3）使用opencv  VideoCapture  类采集摄像头图像数据（2）采集的图像数据送入虹软人脸识别API 计算人脸位置，并和参考人脸数据计算相似距离，返回最相似的人脸标签

2 Visual Studio 下构建Qt工程

（1）工程目录如下图所示：
在这里插入图片描述
其中QtGuiApplication1.ui是界面文件，Header File文件夹中的amcomdef.h

ammem.h arcsoft_fsdk_face_detection.h arcsoft_fsdk_face_recognition.h

asvloffscreen.h merror.h 是从虹软库中拷贝的头文件未做任何修改

FaceDiscern.h 和FaceDiscern.cpp是自定义的一个人脸识别类

（2）工程属性配置

点击工程属性->连接器->输入中出了QT5的库文件，添加opencv_world340d.lib
在这里插入图片描述
点击工程属性-》VC++目录添加OpenCV的头文件和库文件的路径，其中包含目录添加opencv的头文件路径，库目录添加opencv的dll路径，如下图
在这里插入图片描述
2工程类文件详解

 （1）QtGuiApplication1 ui类的源文件如下所示，其中Mat2QImage函数将opencv采集的图像数据转化为QImage支          持    的数据格式, VideoCapture 是Opencv用来操作摄像头的类，QImage用来显示采集的图像数据


#pragma once
#include <QtWidgets/QMainWindow>
#include "ui_QtGuiApplication1.h"
#include "qmessagebox.h"
#include "opencv2/core/core.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include "opencv2/imgproc/imgproc.hpp"  
#include <iostream>
#include "qtimer.h"
#include "FaceDiscern.h"
#include "qrect.h"
#include "qpainter.h"
using namespace cv;
using namespace std;
class QtGuiApplication1 : public QMainWindow
{Q_OBJECT
public:QtGuiApplication1(QWidget *parent = Q_NULLPTR);~QtGuiApplication1();QImage  Mat2QImage(cv::Mat cvImg); //图像格式转换QTimer  *timer;Mat     frame;            //摄像头直接获得的数据FaceDiscern *facediscern; //人脸识别类
private:Ui::QtGuiApplication1Class ui;VideoCapture capture; //采集摄像头的数据QImage qImg;          //展示图像的控件//---槽函数 用作事件触发
public slots :void openVideo();void stopVideo();void nextFrame();};

（2）QtGuiApplication1.cpp


#include "QtGuiApplication1.h"QtGuiApplication1::QtGuiApplication1(QWidget *parent): QMainWindow(parent)
{ui.setupUi(this);ui.image->setScaledContents(true);  //fit video to label areafacediscern = new FaceDiscern("F:\\trainimages");//加载参考图像数据和标签facediscern->Train();//计算参考数据图像数据的人脸位置等}QtGuiApplication1::~QtGuiApplication1()
{if (capture.isOpened())capture.release();delete(timer);
}void QtGuiApplication1::openVideo()
{if (capture.isOpened())capture.release();     //decide if capture is already opened; if so,close itcapture.open(0);           //open the default cameraif (capture.isOpened()){double  rate = capture.get(CV_CAP_PROP_FPS);capture >> frame;  //获得摄像头图像数据if (!frame.empty()){QImage  image = Mat2QImage(frame); //将摄像头的图像数据转换为QImage支持的格式this->ui.image->setPixmap(QPixmap::fromImage(image));timer = new QTimer(this); //循环获得摄像头数据connect(timer, SIGNAL(timeout()), this, SLOT(nextFrame()));timer->start(40);}}
}
void QtGuiApplication1::stopVideo()
{if (capture.isOpened()){capture.release();}
}
//循环获得摄像头数据
void QtGuiApplication1::nextFrame()
{capture >> frame;double  rate = capture.get(CV_CAP_PROP_FPS);if (!frame.empty()){QImage  image = Mat2QImage(frame);//通过人脸检测API获得人脸的位置并在Qimage上显示人脸框QRect rect;//RecognizeFace识别人脸的位置并计算人脸所属的标签string result = facediscern->RecognizeFace(&frame, rect);static QTextCodec *codecForCStrings;QString strQ = QString::fromLocal8Bit(result.c_str());QString s1 = strQ;//这是在qlabel中显示中文的办法this->ui.result->setText(s1); //在控件上显示人脸所属的标签QPainter painter(&image);// 设置画笔颜色painter.setPen(QColor(255, 0, 0));painter.drawRect(rect);//绘制人脸的框this->ui.image->setPixmap(QPixmap::fromImage(image));}}//将opencv 的cv::Mat 格式图像转换为QImage图像
QImage  QtGuiApplication1::Mat2QImage(cv::Mat cvImg)
{if (cvImg.channels() == 3)                             //3 channels color image{cv::cvtColor(cvImg, cvImg, CV_BGR2RGB); //BGR 转为 RGBqImg = QImage((const unsigned char*)(cvImg.data),cvImg.cols, cvImg.rows,cvImg.cols*cvImg.channels(),QImage::Format_RGB888);}else if (cvImg.channels() == 1)                    //grayscale image{qImg = QImage((const unsigned char*)(cvImg.data),cvImg.cols, cvImg.rows,cvImg.cols*cvImg.channels(),QImage::Format_Indexed8);}else{qImg = QImage((const unsigned char*)(cvImg.data),cvImg.cols, cvImg.rows,cvImg.cols*cvImg.channels(),QImage::Format_RGB888);}return qImg;}

(3) FaceDiscern.h

FaceDiscern 是人脸识别的主类 执行了人脸位置检测和人脸相似度计算等功能


#pragma once
#include <stdio.h>
#include <stdlib.h>
#include <stdint.h>
#include <Windows.h>
#include <iostream>
#include <vector>
#include <string>
#include <io.h>
#include <map>
#include "arcsoft_fsdk_face_recognition.h"
#include "merror.h"
#include "arcsoft_fsdk_face_detection.h"
#include "opencv2/core/core.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include "opencv2/imgproc/imgproc.hpp" 
#include "qrect.h"
//动态载入人脸识别的API库 libarcsoft_fsdk_face_detection是人脸检测库
//libarcsoft_fsdk_face_recognition.lib是人脸识别库
#pragma comment(lib,"libarcsoft_fsdk_face_detection.lib")
#pragma comment(lib,"./libarcsoft_fsdk_face_recognition.lib")
using namespace cv;
#define WORKBUF_SIZE        (40*1024*1024)class FaceDiscern
{
public:FaceDiscern(std::string _trainpath);~FaceDiscern();//将cv::Mat格式的图像转换为Bitmapvoid ConvertMatToBitmap(cv::Mat *img, uint8_t **imageData, int *pWidth, int *pHeight);void  getFiles(std::string path, std::vector<std::string>& files, std::vector<std::string> &ownname);void  Train();bool  readBmp24(const char* path, uint8_t **imageData, int *pWidth, int *pHeight);std::string  RecognizeFace(cv::Mat *img, QRect &rect);//APPID是从网站上注册的免费使用id char APPID[45]  = "9aEAsHDYzzzWapX9rH9BZHhdBz8CPTfws4WuF5xdmgnf";char SDKKey[45] = "61MrwdsfKaMT8cm41uKPQBdCm4rKMLSELtJqs12p7WoV";	//SDKKeychar DETECTIONKKey[45] = "61MrwdsfKaMT8cm41uKPQBci7TocqKmAASGS7infomre";std::string trainpath = "F:\\trainimages";MRESULT nRet ;MHandle hEngine ;MInt32  nScale ;MInt32  nMaxFace ;MByte  *pWorkMem;std::vector<std::string>  trainfullfiles;//完整路径名std::vector<std::string>  trainnamefiles;std::string   *labels;std::map<std::string, std::string> dicfilenametoname;/* 初始化引擎和变量 */MRESULT detectionnRet;MHandle hdetectionEngine;MInt32  ndetetionScale;MInt32  ndetectionMaxFace ;MByte   *pdetectionWorkMem;int trainCount = 0;LPAFR_FSDK_FACEMODEL  *trainfaceModels;AFR_FSDK_FACEMODEL dectfaceModels;};

（4）FaceDiscern.cpp


#include "FaceDiscern.h"
FaceDiscern::FaceDiscern(std::string _trainpath)
{nRet = MERR_UNKNOWN;hEngine = nullptr;nScale = 16;nMaxFace = 10;pWorkMem = (MByte *)malloc(WORKBUF_SIZE);/* 初始化引擎和变量 */detectionnRet = MERR_UNKNOWN;hdetectionEngine = nullptr;ndetetionScale = 16;ndetectionMaxFace = 10;pdetectionWorkMem = (MByte *)malloc(WORKBUF_SIZE);dicfilenametoname.insert(std::pair<std::string, std::string>("bingbing.bmp", "冰冰女神"));dicfilenametoname.insert(std::pair<std::string, std::string>("fangfang.bmp", "村里有个姑娘叫小芳"));dicfilenametoname.insert(std::pair<std::string, std::string>("feifei.bmp", "刘亦菲"));dicfilenametoname.insert(std::pair<std::string, std::string>("huihui.bmp", "冷工"));dicfilenametoname.insert(std::pair<std::string, std::string>("shishi.bmp", "诗诗妹妹"));dicfilenametoname.insert(std::pair<std::string, std::string>("xiaxia.bmp", "天上掉下个林妹妹"));dicfilenametoname.insert(std::pair<std::string, std::string>("xudasong.bmp", "松哥"));dicfilenametoname.insert(std::pair<std::string, std::string>("likunpeng.bmp", "李工"));dicfilenametoname.insert(std::pair<std::string, std::string>("gaojianjun.bmp", "高建军"));dicfilenametoname.insert(std::pair<std::string, std::string>("liuzhen.bmp", "小鲜肉振哥"));dicfilenametoname.insert(std::pair<std::string, std::string>("liting.bmp", "女王婷姐"));dicfilenametoname.insert(std::pair<std::string, std::string>("wangxuetao.bmp", "雪涛"));dicfilenametoname.insert(std::pair<std::string, std::string>("guowei.bmp", "郭大侠")); dicfilenametoname.insert(std::pair<std::string, std::string>("mingxin.bmp", "宝宝鸣新"));this->trainpath = _trainpath;
}FaceDiscern::~FaceDiscern()
{/* 释放引擎和内存 */detectionnRet = AFD_FSDK_UninitialFaceEngine(hdetectionEngine);if (detectionnRet != MOK){fprintf(stderr, "UninitialFaceEngine failed , errorcode is %d \n", detectionnRet);}free(pdetectionWorkMem);for (int i = 0; i < trainCount; i++){if (trainfaceModels[i]->pbFeature != NULL)free(trainfaceModels[i]->pbFeature);}nRet = AFR_FSDK_UninitialEngine(hEngine);if (nRet != MOK){fprintf(stderr, "UninitialFaceEngine failed , errorcode is %d \n", nRet);}
}//加载所有的参考图像和图像名字作为参考库
void  FaceDiscern::getFiles(std::string path, std::vector<std::string>& files, std::vector<std::string> &ownname)
{/*files存储文件的路径及名称(eg.   C:\Users\WUQP\Desktop\test_devided\data1.txt)4      ownname只存储文件的名称(eg.     data1.txt)*///文件句柄  long long  hFile = 0;//文件信息  struct _finddata_t fileinfo;std::string p;if ((hFile = _findfirst(p.assign(path).append("\\*").c_str(), &fileinfo)) != -1){do{//如果是目录,迭代之  //如果不是,加入列表  if ((fileinfo.attrib &  _A_SUBDIR)){  /*if(strcmp(fileinfo.name,".") != 0  &&  strcmp(fileinfo.name,"..") != 0)getFiles( p.assign(path).append("\\").append(fileinfo.name), files, ownname ); */}else{files.push_back(p.assign(path).append("\\").append(fileinfo.name));ownname.push_back(fileinfo.name);}} while (_findnext(hFile, &fileinfo) == 0);_findclose(hFile);}}
//将cv::Mat转换为Bitmap
void  FaceDiscern::ConvertMatToBitmap(cv::Mat *img, uint8_t **imageData, int *pWidth, int *pHeight)
{//======建立位图信息 ===========int width, height, depth, channel;width = img->cols;height = img->rows;depth = img->depth();channel = img->channels();*pWidth = width; //图像宽。高*pHeight = height;int linebyte = width * channel;*imageData = (uint8_t *)malloc(linebyte * (*pHeight));for (int i = 0; i<height; i++) {for (int j = 0; j<width; j++) {*((*imageData) + i * width*channel + j * channel) = (*img).at<Vec3b>(i, j)[2];// (uint8_t)(*(img + i * width*channel + j * width + 2));*((*imageData) + i * width*channel + j * channel + 1) = (*img).at<Vec3b>(i, j)[1];*((*imageData) + i * width*channel + j * channel + 2) = (*img).at<Vec3b>(i, j)[0];} // end of line                     }
}
//从文件中读取图像并转化为bitmap
bool FaceDiscern::readBmp24(const char* path, uint8_t **imageData, int *pWidth, int *pHeight)
{if (path == NULL || imageData == NULL || pWidth == NULL || pHeight == NULL){return false;}FILE *fp = fopen(path, "rb");if (fp == NULL){return false;}fseek(fp, sizeof(BITMAPFILEHEADER), 0);BITMAPINFOHEADER head;fread(&head, sizeof(BITMAPINFOHEADER), 1, fp);*pWidth = head.biWidth;*pHeight = head.biHeight;int biBitCount = head.biBitCount;if (24 == biBitCount){int lineByte = ((*pWidth) * biBitCount / 8 + 3) / 4 * 4;*imageData = (uint8_t *)malloc(lineByte * (*pHeight));uint8_t * data = (uint8_t *)malloc(lineByte * (*pHeight));fseek(fp, 54, SEEK_SET);fread(data, 1, lineByte * (*pHeight), fp);for (int i = 0; i < *pHeight; i++){for (int j = 0; j < *pWidth; j++){memcpy((*imageData) + i * (*pWidth) * 3 + j * 3, data + (((*pHeight) - 1) - i) * lineByte + j * 3, 3);}}free(data);}else{fclose(fp);return false;}fclose(fp);return true;
}//加载所有的参考数据
void FaceDiscern::Train()
{if (pWorkMem == nullptr){return;}nRet = AFR_FSDK_InitialEngine(APPID, SDKKey, pWorkMem, WORKBUF_SIZE, &hEngine); //初始化引擎if (nRet != MOK){return;}getFiles(trainpath, trainfullfiles, trainnamefiles);//生成训练数据 特征集合if (trainfullfiles.size() > 0){//参考图像数据的人脸特征和标签的存储trainfaceModels = new LPAFR_FSDK_FACEMODEL[trainfullfiles.size()];labels = new  std::string[trainfullfiles.size()];}else{return ;}for (int i = 0; i < trainfullfiles.size(); i++){std::string filename = trainfullfiles[i];/* 读取第一张静态图片信息，并保存到ASVLOFFSCREEN结构体 （以ASVL_PAF_RGB24_B8G8R8格式为例） */ASVLOFFSCREEN offInput = { 0 };offInput.u32PixelArrayFormat = ASVL_PAF_RGB24_B8G8R8;offInput.ppu8Plane[0] = nullptr;const char * path = filename.c_str();readBmp24(path, (uint8_t**)&offInput.ppu8Plane[0], &offInput.i32Width, &offInput.i32Height);if (!offInput.ppu8Plane[0]){fprintf(stderr, "fail to ReadBmp(%s)\n", path);AFR_FSDK_UninitialEngine(hEngine);free(pWorkMem);continue ;}offInput.pi32Pitch[0] = offInput.i32Width * 3;AFR_FSDK_FACEMODEL *faceModels = new AFR_FSDK_FACEMODEL();{AFR_FSDK_FACEINPUT faceInput;//第一张人脸信息通过face detection\face tracking获得faceInput.lOrient = AFR_FSDK_FOC_0;//人脸方向//人脸框位置faceInput.rcFace.left = 0;faceInput.rcFace.top = 0;faceInput.rcFace.right = offInput.i32Width - 2;;faceInput.rcFace.bottom = offInput.i32Height - 2;;//提取第一张人脸特征AFR_FSDK_FACEMODEL LocalFaceModels = { 0 };nRet = AFR_FSDK_ExtractFRFeature(hEngine, &offInput, &faceInput, &LocalFaceModels);if (nRet != MOK){fprintf(stderr, "fail to Extract 1st FR Feature, error code: %d\n", nRet);}/* 拷贝人脸特征结果 */faceModels->lFeatureSize = LocalFaceModels.lFeatureSize;faceModels->pbFeature = (MByte*)malloc(faceModels->lFeatureSize);memcpy(faceModels->pbFeature, LocalFaceModels.pbFeature, faceModels->lFeatureSize);}trainfaceModels[i] = faceModels;labels[i] = trainnamefiles[i];trainCount++;}if (pdetectionWorkMem == nullptr){return;}//人脸检测enginedetectionnRet = AFD_FSDK_InitialFaceEngine(APPID, DETECTIONKKey, pdetectionWorkMem, WORKBUF_SIZE, &hdetectionEngine, AFD_FSDK_OPF_0_HIGHER_EXT, ndetetionScale, ndetectionMaxFace);if (detectionnRet != MOK){return;}}
//简单的通过距离相似计算出最相似的参考图像
std::string FaceDiscern::RecognizeFace(cv::Mat *img, QRect &rect)
{/* 读取静态图片信息，并保存到ASVLOFFSCREEN结构体 （以ASVL_PAF_RGB24_B8G8R8格式为例） *//* 人脸检测 */ASVLOFFSCREEN offInput = { 0 };offInput.u32PixelArrayFormat = ASVL_PAF_RGB24_B8G8R8;offInput.ppu8Plane[0] = nullptr;ConvertMatToBitmap(img, (uint8_t**)&offInput.ppu8Plane[0], &offInput.i32Width, &offInput.i32Height);if (!offInput.ppu8Plane[0]){return "";}offInput.pi32Pitch[0] = offInput.i32Width * 3;LPAFD_FSDK_FACERES	FaceRes = nullptr;detectionnRet = AFD_FSDK_StillImageFaceDetection(hdetectionEngine, &offInput, &FaceRes);void *imgptr = offInput.ppu8Plane[0];识别人脸信息AFR_FSDK_FACEINPUT faceInput;faceInput.lOrient = AFR_FSDK_FOC_0;//人脸方向							   //人脸框位置faceInput.rcFace.left =FaceRes->rcFace[0].left;faceInput.rcFace.top = FaceRes->rcFace[0].top;faceInput.rcFace.right = FaceRes->rcFace[0].right;faceInput.rcFace.bottom = FaceRes->rcFace[0].bottom;rect.setLeft(FaceRes->rcFace[0].left);rect.setTop(FaceRes->rcFace[0].top);rect.setRight(FaceRes->rcFace[0].right);rect.setBottom(FaceRes->rcFace[0].bottom);//提取人脸特征nRet = AFR_FSDK_ExtractFRFeature(hEngine, &offInput, &faceInput, &dectfaceModels);free(imgptr);if (nRet != MOK){return "";}float maxscore = -1.0;int index = -1;for (int i = 0; i < trainCount; i++){MFloat  fSimilScore = 0.0f;nRet = AFR_FSDK_FacePairMatching(hEngine, &dectfaceModels, trainfaceModels[i], &fSimilScore);if (fSimilScore > maxscore){maxscore = fSimilScore;index = i;}}if (index != -1){double num = maxscore * 100.0;std::string str;char ctr[10];_gcvt(num, 6, ctr);str = ctr;std::string nameresult = labels[index];if (dicfilenametoname.find(nameresult) != dicfilenametoname.end()){nameresult = dicfilenametoname[nameresult];}return nameresult + "," + str;}//释放if(dectfaceModels.lFeatureSize>0)free(dectfaceModels.pbFeature);return "";
}

(3) 界面展示
在这里插入图片描述
最后是SDK下载地址 https://ai.arcsoft.com.cn/ucenter/user/reg?utm_source=csdn1&utm_medium=referral

这篇关于基于虹软人脸识别API和Qt5的人脸识别的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/700062。

相关文章

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo
阅读更多...
Java调用DeepSeek API的最佳实践及详细代码示例

Java调用DeepSeek API的最佳实践及详细代码示例

《Java调用DeepSeekAPI的最佳实践及详细代码示例》：本文主要介绍如何使用Java调用DeepSeekAPI,包括获取API密钥、添加HTTP客户端依赖、创建HTTP请求、处理响应、... 目录1. 获取API密钥2. 添加HTTP客户端依赖3. 创建HTTP请求4. 处理响应5. 错误处理6.
阅读更多...
Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll
阅读更多...
浅析如何使用Swagger生成带权限控制的API文档

浅析如何使用Swagger生成带权限控制的API文档

《浅析如何使用Swagger生成带权限控制的API文档》当涉及到权限控制时,如何生成既安全又详细的API文档就成了一个关键问题,所以这篇文章小编就来和大家好好聊聊如何用Swagger来生成带有... 目录准备工作配置 Swagger权限控制给 API 加上权限注解查看文档注意事项在咱们的开发工作里，API
阅读更多...
一分钟带你上手Python调用DeepSeek的API

一分钟带你上手Python调用DeepSeek的API

《一分钟带你上手Python调用DeepSeek的API》最近DeepSeek非常火,作为一枚对前言技术非常关注的程序员来说,自然都想对接DeepSeek的API来体验一把,下面小编就来为大家介绍一下... 目录前言免费体验API-Key申请首次调用API基本概念最小单元推理模型智能体自定义界面总结前言最
阅读更多...
JAVA调用Deepseek的api完成基本对话简单代码示例

JAVA调用Deepseek的api完成基本对话简单代码示例

《JAVA调用Deepseek的api完成基本对话简单代码示例》：本文主要介绍JAVA调用Deepseek的api完成基本对话的相关资料,文中详细讲解了如何获取DeepSeekAPI密钥、添加H... 获取API密钥首先，从DeepSeek平台获取API密钥，用于身份验证。添加HTTP客户端依赖使用Jav
阅读更多...
C#使用DeepSeek API实现自然语言处理,文本分类和情感分析

C#使用DeepSeek API实现自然语言处理,文本分类和情感分析

《C#使用DeepSeekAPI实现自然语言处理,文本分类和情感分析》在C#中使用DeepSeekAPI可以实现多种功能,例如自然语言处理、文本分类、情感分析等,本文主要为大家介绍了具体实现步骤,... 目录准备工作文本生成文本分类问答系统代码生成翻译功能文本摘要文本校对图像描述生成总结在C#中使用Deep
阅读更多...
5分钟获取deepseek api并搭建简易问答应用

5分钟获取deepseek api并搭建简易问答应用

《5分钟获取deepseekapi并搭建简易问答应用》本文主要介绍了5分钟获取deepseekapi并搭建简易问答应用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需... 目录1、获取api2、获取base_url和chat_model3、配置模型参数方法一：终端中临时将加
阅读更多...
使用DeepSeek API 结合VSCode提升开发效率

使用DeepSeek API 结合VSCode提升开发效率

《使用DeepSeekAPI结合VSCode提升开发效率》：本文主要介绍DeepSeekAPI与VisualStudioCode(VSCode)结合使用,以提升软件开发效率,具有一定的参考价值... 目录引言准备工作安装必要的 VSCode 扩展配置 DeepSeek API1. 创建 API 请求文件2.
阅读更多...
使用SpringBoot创建一个RESTful API的详细步骤

使用SpringBoot创建一个RESTful API的详细步骤

《使用SpringBoot创建一个RESTfulAPI的详细步骤》使用Java的SpringBoot创建RESTfulAPI可以满足多种开发场景,它提供了快速开发、易于配置、可扩展、可维护的优点,尤... 目录一、创建 Spring Boot 项目二、创建控制器类（Controller Class）三、运行
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2